基于Adaboost-SVR模型的我国碳排放强度分析与预测

• 作者: 梁小林 梁曌 秦欢 许奇 陈敏茹
• 来源期刊: 经济数学
• 学科: 地球科学
• 关键词: 碳排放强度 自适应提升算法 支持向量回归 LMDI分解
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 经济学理论与应用
• 页码范围: 167-174
• 页数: 8页
• 分类号: O212.1|X502
• 语种: 中文

摘要

首先对我国1960-2017年的碳排放趋势分5个阶段分析,发现虽然在不同时期存在波动,但长期来看,我国碳排放强度呈逐步下降趋势.然后对差分平稳后的序列数据建立Adaboost-SVR预测模型,采用RMSE、MAPE、MAE、MSE四个评价指标比较Adaboost-SVR模型与Adaboost-DT、SVR、BP神经网络对碳排放强度的预测精度.结果表明,组合模型明显优于其他3种模型,对于碳排放强度预测具有很高的可靠性.另外,通过使用Adaboost-SVR模型进行后续年份预测,发现我国未来碳排放强度总体将继续缓慢下降.最后,基于二氧化碳排放量的L M ID分解结果,提出调整能源产业结构,促进可再生能源利用等节能减排建议.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁小林		27	79	6.0	7.0
2	秦欢		2	12	1.0	2.0
3	陈敏茹		1	0	0.0	0.0
4	许奇		1	0	0.0	0.0
5	梁曌		1	0	0.0	0.0