Sustain. Cit. Soc.丨应用机器学习算法和优化模型的混合模型，通过能源市场数据预测温室气体排放

论文内容

研究背景：

随着各国各行业和经济发展的快速增长和日益增长，不同部门的能源消耗显著增加。不断增长的能源需求和高能源消耗需要更多的能源生产，许多国家通过使用化石燃料发电厂来应对这些需求和消耗，导致温室气体排放增加。温室气体排放量的上升始于各国经济和工业的增长，从1850年到2011年，二氧化碳排放量增加了约150倍，这一趋势一直持续到2018年。根据世界资源研究所(WRI)的数据，2018年约76%的温室气体排放与各个部门的能源消耗和化石发电厂的能源生产有关，其次是农业(12%)、工业(5.9%)和其他部门(5.8%。伊朗也是世界第七大二氧化碳排放国和第八大温室气体排放国。其中87%来自能源部门，例如化石发电厂的能源消耗和能源生产，4%来自农业部门，3.9%来自工业活动，5.6%来自其他部门。与此同时，自2008年以来，伊朗每年产生超过5亿吨二氧化碳。温室气体排放和空气污染对环境和人类构成严重威胁，对未来温室气体排放量的认识可能是规划减少温室气体排放的最关键步骤之一。事实上，预测温室气体排放对于绿色能源部门的能源生产规划以及实现经济目标和可持续发展的适当规划也至关重。在2021年举行的联合国COP26气候变化大会上，为防止全球变暖，从28个不同的角度研究了减少温室气体排放的机会。研究的一个轴与机器学习和预测温室气体排放的作用有关，有助于为减少和管理温室气体排放做出明智的决。

研究内容：

由于温室气体的排放影响气候变化和全球变暖，预测其排放对于管理和减少这些气体是非常必要的。本研究提出了一种集成的机器学习和数学规划方法来预测小数据的温室气体排放。由于伊朗是第七大温室气体排放国，因此被视为第一步的案例研究对象。在与经济、GDP和人口数据相关的能源市场数据中，温室气体的预测只考虑了与CO2、N2O、CH4和氟化气体的生产、消费、出口、进口和排放相关的数据。随后，根据不同的预测性能和预测精度，选择了9种机器学习算法进行温室气体预测，并通过5个预测精度指标对算法的预测精度进行了评价。本研究采用了广泛的机器学习算法，将其结果作为数学模型的输入数据。收集了各气体的机器学习算法的结果，并给出了最小化MAPE指数的数学模型。此外，粒子群算法和GWO算法作为优化领域中最受欢迎和应用最多的方法，被用于实现数学模型并评估其结果。研究者通过5个预测精度指标对PSO和GWO算法实现的数学模型的结果进行了评价，并给出了伊朗到2025年的CO2、N2O、CH4和氟化气体的排放情况。此外，为了研究所提出方法的稳定性，研究人员将模型对每种温室气体的预测精度与机器学习算法的结果进行了比较。在最后一步中，采用逐步回归方法识别温室气体排放中最有效的能源市场数据。

研究结论：

温室气体的激增导致全球变暖和气温上升。控制和管理这些气体最常用的工具是预测它们的排放量。预测领域面临的一些挑战与所采用方法的预测精度和可访问数据量有关。本研究提出了一种混合方法，利用机器学习算法、数学规划和小数据来高精度地预测温室气体的排放。在这方面，收集了伊朗的能源市场和温室气体排放数据，忽略了与能源市场数据趋同的数据。接下来，这些数据首先通过九种机器学习算法实现，然后预测2018年至2028年的温室气体排放量。随后，通过MAPE、NRMSE、RMSE、MAE和RAE指标评估机器学习算法的预测精度。提出了预测精度优化的数学模型，并收集了机器学习算法的结果作为数学模型的输入，然后通过PSO和GWO元启发式算法实现数学模型。随后，通过5个指标对模型的预测精度进行了评价，并对伊朗到2028年的温室气体排放量进行了预测。根据本研究提出的方法，得到以下结果:

1、 为了预测CO2、N2O、CH4和氟化气体的排放，将9种机器学习算法的结果与5个指标的预测精度进行了比较。最常见的是，ARIMA算法比其他算法表现出更高的准确性，该算法的MAPE指数在0.0092和0.0243之间，预测到2028年伊朗的CO2、CH4、N2O和氟化气体的排放量分别为824.95、211.97、48.11和24.11Mt/年。

2、当采用PSO和GWO算法实现模型时，四种气体的MAPE指数分别在0.0004~0.0063和0.0052~0.0188之间。采用PSO算法实现的混合机器学习和数学规划方法预测2028年伊朗的CO2、CH4、N2O和氟化气体排放量分别为805.45、185.68、41.20和24.11Mt/年。

3、利用混合机器学习和数学规划方法对小数据温室气体排放进行预测的结果表明，该模型的预测精度高于机器学习算法。此外，它还可以与其他混合方法竞争，如灰色预测模型;然而，精确的评估需要类似的数据。

4、由于所提出的方法已经用于四种不同气体的预测，并且表现出比机器学习算法更高的预测精度，因此其稳定性得到了认可。

通过逐步回归算法检验了数据间的相互关系及其对CO2、CH4、N2O和氟化气体排放的影响，并明确了不同能源生产和能源消费部门对每种气体排放的影响。

转自：“农科学术圈”微信公众号

如有侵权，请联系本站删除！