基于优化的机器学习模型的建筑碳排放预测模型

摘要

为了提高传统机器学习模型的性能，本研究采用了混沌粒子群优化（CPSO）和模糊布谷鸟搜索（FCS）算法来增强BP神经网络和支持向量机（SVM），分别形成了CPSO-BP和FCS-SVM模型。模拟结果表明，这两种优化算法显著提高了各自模型的预测精度。FCS-SVM的相对误差降低了2.68%，而CPSO-BP模型比其预基准模型降低了9.75%。尽管CPSO-BP模型在模拟中显示出更大的改进，但FCS-SVM的性能仍然优于CPSO-BP模型。随后，选择FCS-SVM模型来预测2022年至2025年中国建筑行业的二氧化碳排放量，并对该结果进行了深入分析。研究结果表明，预计未来四年总碳排放量将上升；然而，预计增长率将显著放缓。此外，预计碳排放强度将继续下降至2023年，尽管下降速率将非常小。