集成Kaya模型与机器学习的制造业工厂碳排放预测方法.pdfVIP

信息与电脑

人工智能与大数据InformationComputer2025年第9期

集成Kaya模型与机器学习的制造业工厂碳排放

预测方法

顾时瑞

（上海电气集团股份有限公司中央研究院，上海200070）

摘 要：文章提出了一种创新方法，将Kaya模型与机器学习技术相结合，用于制造业工厂的碳排放预测。传统的

Kaya模型在宏观层面有一定价值，但用于工厂运营决策时不够精细。引入机器学习算法可提升预测精度，实现微观层

面的实时调整。研究方法涵盖数据预处理、特征提取，以及开发融合两种框架优势的混合模型。实验结果表明，相较于

传统方法，该集成模型预测准确性有显著提高。此外，所提系统能够识别碳排放异常并发出预警，帮助工厂管理者及时

采取减排措施，推动制造业碳管理策略的高效发展。

关键词：Kaya模型；机器学习；制造业；碳排放

中图分类号：TP181   文献标识码：A   文章编号：1003-9767（2025）09-070-03

CarbonEmissionPredictionMethodforManufacturingFactoriesIntegrating

KayaModelandMachineLearning

GUShirui

(CentralResearchInstituteofShanghaiElectricGroupCo.,Ltd.,Shanghai200070,China)

Abstract:ThepaperproposesaninnovativemethodthatcombinestheKayamodelandmachinelearningtechnologyfor

carbonemissionpredictioninmanufacturingfactories.ThetraditionalKayamodelprovidesvaluableinsightsatthemacro

level,butitisnotpreciseenoughforfactory-leveloperationaldecisions.Byintroducingmachinelearningalgorithms,the

predictionaccuracycanbeimproved,enablingreal-timeadjustmentsatthemicrolevel.Theresearchmethodsincludedata

preprocessing,featureextraction,andthedevelopmentofahybridmodelthatintegratestheadvantagesofthetwoframeworks.

Experimentalresultsshowthatcomparedwithtraditionalmethods,theintegratedmodelhasasignificantimprovementin

predictionaccuracy.Inaddition,theproposedsystemcanidentifycarbonemissionanomaliesandissueearlywarnings,helping

factorymanagerstaketimelyemissionreductionmeasuresandpromotingthedevelopmentofefficientcarbonmanagement

strategiesinthemanufactur