基于优化LSTM模型的中国碳排放量预测研究  

作　　者：叶仁道[1] 卢毅 

机构地区：[1]杭州电子科技大学经济学院

出　　处：《统计与咨询》2024年第5期14-17,共4页Statistics and Consultation

基　　金：国家社会科学基金项目(21BTJ068)。

摘　　要：提高碳排放预测的准确性和泛化性是助力“双碳”目标实现的重要基础。首先,文章基于长短时记忆模型,拓展加入主成分分析法和注意力机制,提出了优化后的碳排放预测方法。其次,以中国日碳排放量为例进行实证分析,结合碳排放市场交易、能源价格、城市空气质量等15个指标进行预测,并与LSTM、RNN、CNN等6个传统深度学习模型比较。实证结果表明,基于MAE和MSE等5项准则,优化后的LSTM模型对中国日碳排放量拥有更为优异的预测性能。最后,文章为未来相关领域的模型选择优化提供了实证依据和重要启示。

关 键 词：碳排放 长短时记忆模型 主成分分析 注意力机制 深度学习 

分 类 号：X321[环境科学与工程—环境工程] TP18[自动化与计算机技术—控制理论与控制工程]