基于优化LSTM模型的中国碳排放量预测研究.pdfVIP

实证分析

基于优化LSTM模型的中国碳排放量预测研究

叶仁道卢毅

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

DOI：10.19456/j.cnki.tjyzx.2024.05.004

一、引言结合STIRPAT模型和LSTM模型，预测中国交通运输

全球气候变化引发的极端天气、海平面上升和生业碳排放量，