本技术公开了一种用于碳排放预测的分数时滞多变量灰色模型,属于灰色预测模型领域。该模型包括以下步骤:S1:搜集因变量数据及其相关影响因素数据;S2:对数据进行预处理;S3:构建参数矩阵,计算模型的参数列;S4:使用粒子群算法优化识别得出最优时滞参数的取值,构造分数时滞多变量灰色模型;S5:碳排放系统预测结果输出。本发明具有较强的解释性和预测准确性,应用于中国二氧化碳总排放量的预测,提供了一种高效的碳排放预测方法。
背景技术
碳排放预测是气候变化防控的重要组成部分,是一种辅助和改善各种社会经济、环境等决策过程的有利工具,使得能源和工业活动建立在环境协调和可持续发展的基础上,在环境管理中起着重要的作用。通过对碳排放的预测可以了解其变化状况,特别是在双碳背景下的碳排放预测,其准确的预测可以及时地采取有效的处理措施,对减缓气候变化、保护生态环境、提高人民生活质量,保证社会稳定,为社会经济环境可持续发展提供技术保障。
针对这一问题,管理者和研究者建立了很多预测模型,例如回归分析、灰色模型、机器学习、人工神经网络等,在预测建模中,数据样本量的大小直接影响建模效果,双碳背景下,可利用的数据较少,在数据样本量较少的情况下,提出一种分数时滞多变量灰色预测模型,解决样本缺失条件下的碳排放预测问题。
实现思路