基於優化的機器學習模型的建築碳排放預測模型

摘要

為了提高傳統機器學習模型的性能，本研究采用了混沌粒子群優化（CPSO）和模糊布谷鳥搜索（FCS）算法來增強BP神經網絡和支持向量機（SVM），分別形成了CPSO-BP和FCS-SVM模型。模擬結果表明，這兩種優化算法顯著提高了各自模型的預測精度。FCS-SVM的相對誤差降低了2.68%，而CPSO-BP模型比其預基準模型降低了9.75%。盡管CPSO-BP模型在模擬中顯示出更大的改進，但FCS-SVM的性能仍然優於CPSO-BP模型。隨後，選擇FCS-SVM模型來預測2022年至2025年中國建築行業的二氧化碳排放量，並對該結果進行了深入分析。研究結果表明，預計未來四年總碳排放量將上升；然而，預計增長率將顯著放緩。此外，預計碳排放強度將繼續下降至2023年，盡管下降速率將非常小。