欢迎来到本博客❤️❤️
博主优势:博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
本文目录如下:
目录
1 概述
2 运行结果
3 参考文献
4 Matlab代码实现
“二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现碳中和”,展现中国积极应对气候变化的决心。然而如期实现碳达峰碳中和战略目标任务艰巨。因此科学合理进行碳排放预测,制定碳达峰的时间表、路线图迫在眉睫。
碳排放预测作为碳达峰碳中和工作的理论依据和研究基础,其预测准确度直接影响地区“双碳”目标与政策的制定。
混合预测模型即在一个模型中耦合自上而下宏观分析与自下而上的部门分析,其可以对整个能源系统(从能源开采到终端消费)进行模拟和预测,同时对经济系统的发展演化进行模拟分析,并实现能源系统与经济系统之间的反馈联系。
主函数部分代码:
clc;clear;close all; %% 保存数据 %{ save("Test_pre_ori.mat","Test_pre_ori") % 保存原始数据 RBF_Pre = TEST_SIM; RBF_result = RESULT; save("RBF_Pre.mat","RBF_Pre") save("RBF_result.mat","RBF_result") LSTM_Pre = TEST_SIM; LSTM_result = RESULT; save("LSTM_Pre.mat","LSTM_Pre") save("LSTM_result.mat","LSTM_result") VMD_RBF_Pre = TEST_SIM; VMD_RBF_result = RESULT; save("VMD_RBF_Pre.mat","VMD_RBF_Pre") save("VMD_RBF_result.mat","VMD_RBF_result") VMD_LSTM_Pre = TEST_SIM; VMD_LSTM_result = RESULT; save("VMD_LSTM_Pre.mat","VMD_LSTM_Pre") save("VMD_LSTM_result.mat","VMD_LSTM_result") % 等值赋权模型 VMD_LSTM_Equal_RBF_Pre = TEST_SIM; VMD_LSTM_Equal_RBF_result = RESULT; save("VMD_LSTM_Equal_RBF_Pre.mat","VMD_LSTM_Equal_RBF_Pre") save("VMD_LSTM_Equal_RBF_result.mat","VMD_LSTM_Equal_RBF_result") % 本文方法 VMD_LSTM_IOWA_RBF_Pre = TEST_SIM; VMD_LSTM_IOWA_RBF_result = RESULT; save("VMD_LSTM_IOWA_RBF_Pre.mat","VMD_LSTM_IOWA_RBF_Pre") save("VMD_LSTM_IOWA_RBF_result.mat","VMD_LSTM_IOWA_RBF_result") %} %% 加载预测结果数据 % load('Test_pre_ori.mat') % load('LSTM_Pre.mat') % load('RBF_Pre.mat') % load('VMD_RBF_Pre.mat') % load('VMD_LSTM_Pre.mat') % load('VMD_LSTM_Equal_RBF_Pre.mat') % load('VMD_LSTM_IOWA_RBF_Pre.mat') % % load('LSTM_result.mat') % load('RBF_result.mat') % load('VMD_RBF_result.mat') % load('VMD_LSTM_result.mat') % load('VMD_LSTM_Equal_RBF_result.mat') % load('VMD_LSTM_IOWA_RBF_result.mat') % Ori = Test_pre_ori(:)'; % Pre1 = RBF_Pre; % Pre2 = LSTM_Pre; % Pre3 = VMD_RBF_Pre; % Pre4 = VMD_LSTM_Pre; % Pre5 = VMD_LSTM_Equal_RBF_Pre; % Pre6 = VMD_LSTM_IOWA_RBF_Pre; load('real.mat') data=real; load('real_russia.mat') data1=real; load('BP_china.mat') pre1=forcastdata; load('BP_russia.mat') pre2=forcastdata; load('lssvm_china.mat') pre3=forcastdata; load('lssvm_russia.mat') pre4=forcastdata; load('HPOBP_china.mat') pre5=forcastdata; load('HPOBP_russia.mat') pre6=forcastdata; load('AVOA_LSSVM_china.mat') pre7=forcastdata; load('AVOA_LSSVM_russia.mat') pre8=forcastdata; load('DVMD_HPOBP_china.mat') pre9=forecast; load('DVMD_HPOBP_russia.mat') pre10=forecast; load('DVMD_AVOALSSVM_china.mat') pre11=forecast; load('DVMD_AVOALSSVM_russia.mat') pre12=forecast; load('DVMD_AVOALSSVM_HPOBP_china.mat') pre13=predict; load('DVMD_AVOALSSVM_HPOBP_russia.mat') pre14=forecast; load('DVMD_CEEMDAN_AVOALSSVM_HPOBP_china.mat') pre15=forecast; load('DVMD_CEEMDAN_AVOALSSVM_HPOBP_russia.mat') pre16=forecast; load('DVMD_CEEMDAN_AVOALSSVM_HPOBP_EC_china.mat') pre17=forecast; load('DVMD_CEEMDAN_AVOALSSVM_HPOBP_EC_russia.mat') pre18=forecast;
[1]沙爱敏,陈婷,吕凡任,王晓东.基于组合预测模型的交通碳排放量预测研究[J].节能,2023,42(01):72-75.
部分理论引用网络文献,若有侵权联系博主删除。