本技术公开了一种交通运输业二氧化碳排放量的区间预测方法,属于灰色预测领域,所述方法包括以下步骤:S1:收集原始数据,形成数据集,并进行预处理;S2:构造灰色多变量NSGM(1,N)模型;S3:使用单变量预测模型对系统各自变量进行预测;S4:构造系统各自变量的边界;S5:中国交通运输业二氧化碳排放量的区间预测结果输出;本发明方法具有较强的适应性和较高的预测准确性。
背景技术
交通运输业的二氧化碳排放预测是碳污染防控的重要组成部分。通过预测二氧化碳排放量,可以使得交通运输业的开发建设活动建立在环境协调和可持续发展的基础上,在碳排放管理中起着重要作用。二氧化碳排放预测能够帮助了解碳排放的变化趋势,特别是在突发环境事件下,准确的二氧化碳排放预测可以及时采取有效的应对措施。通过对二氧化碳排放的预测,可以有效预防环境恶化,促进空气质量的改善,提高人民健康水平,保证社会稳定。
针对交通运输业二氧化碳排放量预测这一问题,管理者和研究者建立了许多预测模型,例如回归分析、灰色模型、机器学习和人工神经网络等。在这些预测建模方法中,使用单变量模型预测自变量时,预测数据存在误差,形成一个围绕精确数据上下波动的区间。在现实复杂且充满不确定性的系统中,许多数据具有动态波动性,将这些数据表示为区间数能够更好地反映其增长趋势和变化范围。因此,在可利用的数据较少且数据样本量有限的情况下,提出一种区间预测方法,以解决交通运输业二氧化碳排放量的区间预测问题。
实现思路