基于SVR的区域交通碳排放预测研究

被引：32

作者：

陈亮 ^{[1
,2
]}

王金泓 ^{[1
]}

何涛 ^{[1
]}

周志华 ^{[3
]}

李巧茹 ^{[1
,2
]}

杨文伟 ^{[1
]}

机构：

[1] 河北工业大学土木与交通学院

[2] 天津市绿色交通工程材料技术中心 3. 广州市交通规划研究院

来源：

交通运输系统工程与信息 | 2018年 / 18卷 / 02期

关键词：

综合交通运输; 预测研究; SVR; 交通碳排放; 影响因素;

D O I：

10.16097/j.cnki.1009-6744.2018.02.003

中图分类号：

X322 [部门环境规划与管理];

学科分类号：

083305 ;

摘要：

基于STIRPAT模型,选择旅客周转量、货物周转量、人均GDP、机动车保有量、碳排放强度、能源结构和城市化率7项指标作为我国区域交通碳排放影响因素,建立基于支持向量回归机的碳排放预测模型,并以1990—2016年北京市交通碳排放相关数据为基础数据做实例分析.结果表明:训练样本交叉验证均方误差仅为0.008 040,得到参数C和γ的最优值;模型预测值与真实值的拟合回归效果良好,训练集和测试集的相关系数分别为0.984 2和0.995 0,即模型具有良好的学习和推广能力;未来区域交通碳排放增长趋势逐渐变缓,但总量将继续呈上升趋势,社会仍然面临较大的温室气体减排压力.

引用

页码：13 / 19

页数：7

共 11 条

[1] 区域交通碳排放相关指标测算及影响因素分析
陈亮
何涛
李巧茹
田晓勇
魏玮
[J]. 北京工业大学学报, 2017, 43 (04) : 631 - 637
[2] 区域交通运输业碳排放效率影响因素研究
卢建锋
傅惠
王小霞
[J]. 交通运输系统工程与信息, 2016, 16 (02) : 25 - 30
[3] 中国交通运输业能源效率及其影响因素研究
宋震
丛林
[J]. 交通运输系统工程与信息, 2016, 16 (01) : 19 - 25
[4] 基于支持向量回归机的中国碳排放预测模型
宋杰鲲
[J]. 中国石油大学学报(自然科学版), 2012, 36 (01) : 182 - 187
[5] 中国交通运输部门节能潜力和碳排放预测
刘建翠
[J]. 资源科学, 2011, 33 (04) : 640 - 646
[6] 城市交通碳排放预测与发展模式选择[D]. 刘鸿远.天津理工大学 2014
[7] Reduction potential of CO 2 emissions in China?s transport industry[J] . Boqiang Lin,Chunping Xie.Renewable and Sustainable Energy Reviews . 2014
[8] Urban transport and CO ＜sub＞2＜/sub＞ emissions: some evidence from C hinese cities[J] . Georges Darido,Mariana Torres‐Montoya,Shomik Mehndiratta.WENE . 2014 (2)
[9] Influencing Factors of Carbon Emission in China’s Road Freight Transport[J] . Tianyi Wang,Hongqi Li,Jun Zhang,Yue Lu.Procedia - Social and Behavioral Sciences . 2012
[10] STIRPAT, IPAT and ImPACT: analytic tools for unpacking the driving forces of environmental impacts[J] . Richard York,Eugene A Rosa,Thomas Dietz.Ecological Economics . 2003 (3)

← 1 2 →