文档名：基于组合集成学习模型的区域碳排放预测方法研究
摘要：在低碳发展的大背景下,区域碳排放预测模型研究对未来双碳目标任务制定与实施的具有重要指导意义.Elas-ticNet-XGBRegressor模型是一种组合集成学习模型,其中ElasticNet模型为特征筛选模型,XGBRegressor模型为区域碳排放预测模型.通过采用STIRPAT模型原理和IPCC排放因子法构建包含25个特征的原始数据集,并验证提出模型的有效性,以实证对照实验的方式进行,ElasticNet-XGBRegressor模型作为实验组,Spearman特征筛选和常见机器学习方法组合作为对照.结果表明,ElasticNet-XGBRegressor模型在RMSE、MAPE和R2等模型评价指标上全面优于对照组,说明了ElasticNet-XGBRegressor模型在区域碳排放预测中的优越性.通过创新性的将回归模型与决策树集成学习模型相结合,利用ElasticNet模型的特征筛选能力和集成学习的高准确性与鲁棒性提高了预测模型的精度和稳定性.
作者：王涵 白宏坤 王世谦 王圆圆 李秋燕 宋大为 韩丁 卢旭霆 Author：WANGHan BAIHongkun WANGShiqian WANGYuanyuan LIQiuyan SONGDawei HANDing LUXuting
作者单位：国网河南省电力公司经济技术研究院,郑州450000思科思德能源技术(北京)有限公司,北京100000
刊名：电力需求侧管理 ISTIC
Journal：PowerDemandSideManagement
年，卷(期)：2023, 25(4)
分类号：TM73F426
关键词：区域碳排放 集成学习 ElasticNet模型 XGBRe-gressor模型 特征筛选
Keywords：regionalcarbonemissions integratedlearning ElasticNetmodel XGBRegressormodel featurescreening
机标分类号：C812O212X831
在线出版日期：2023年7月28日
基金项目：国网河南省电力公司科技项目基于组合集成学习模型的区域碳排放预测方法研究[
期刊论文] 电力需求侧管理--2023, 25(4)王涵 白宏坤 王世谦 王圆圆 李秋燕 宋大为 韩丁 卢旭霆在低碳发展的大背景下,区域碳排放预测模型研究对未来双碳目标任务制定与实施的具有重要指导意义.Elas-ticNet-XGBRegressor模型是一种组合集成学习模型,其中ElasticNet模型为特征筛选模型,XGBRegressor模型为区域碳排放...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于组合集成学习模型的区域碳排放预测方法研究 Regional carbon emission prediction method based on combined ensemble learning model
基于组合集成学习模型的区域碳排放预测方法研究.pdf
- 文件大小:
- 1.45 MB
- 下载次数:
- 60
-
高速下载
|
|
