换一批基于LightGBM模型改进的交通运输业碳排放预测研究
Research on carbon emission prediction of transportation industry based on LightGBM model improvement
摘要交通运输业碳排放增速明显,当前已成为我国第三大碳排放来源.由于现有交通碳排放预测无法准确反映增速变化特征,为进一步科学合理预测我国交通碳排放量,提出基于 LightGBM 改进交通运输业碳排放预测模型,分析增长特征及成因.从人口因素、技术水平、经济水平、绿化水平、交通运输水平和省份差异 6 个方面,选用均方根误差、平均绝对百分比误差、平均绝对误差和决定系数作为评价指标,对比不同机器学习算法预测效果.结果表明,基于 LightGBM 算法、Boruta 特征选择算法和遗传算法超参数优化的组合预测模型表现优异;从机器学习视角证明了省份差异对我国交通碳排放影响最高,是交通运输碳排放预测中重要变量,其次是第三产业增加值等影响因素;同时从预测结果来看虽有 12 个省市自治区交通碳排放已开始下降,能够按期实现碳达峰,仍有 18 个省市自治区的交通碳排放呈上升趋势,需加强碳排放管控,确保全国交通领域如期实现碳达峰.
更多相关知识
关键词
交通碳排放机器学习特征选取参数寻优transportation carbon emissionmachine learningfeature selectionparameter optimization
栏目名称
DOI
10.20103/j.stxb.202506121494
发布时间
2026-05-14（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
