基于人工神经网络模型的碳排放预测研究进展

作     者：谭川江 王超 常昊 杜若岚 任宏洋 TAN Chuanjiang;WANG Chao;CHANG Hao;DU Ruolan;REN Hongyang

作者机构：中国石油天然气股份有限公司塔里木油田分公司油气工程研究院新疆库尔勒841000 西南石油大学化学化工学院四川成都610500 天府永兴实验室四川成都610213 

出 版 物：《天然气与石油》 (Natural Gas and Oil)

年 卷 期：2024年第42卷第1期

页      面：124-132页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：四川省科技计划项目“碳大脑智慧管理平台”(2022ZYD0129) 

主　　题：碳排放预测 人工神经网络 模型构建 优化 

摘      要：碳排放是一个受多因素交互作用的动态过程,准确预测碳排放量有利于碳减排措施的制定。由于碳排放本身模型具有动态变化性、非线性、社会性等特点,传统预测方法不能满足实际情况的需要。人工神经网络模型能够较好地描述碳排放时间系列数据的非线性特性,被广泛应用于预测国家、区域、行业等层面的碳排放量变化。其中,误差反向传播(Back Propagation,BP)神经网络模型和长短期记忆(Long Short-Term Memory,LSTM)神经网络模型备受关注。在模型预测过程中,通过识别目标模型的碳排放影响因素类型、提高输入层数据的准确性、构建适宜的线性—非线性耦合的组合模型等途径,进一步提高模型预测的准确性。研究结果对人工神经网络模型在碳排放预测中的应用情况进行梳理,为碳排放预测技术的进一步发展提供参考。