基于XGBoost-SVR组合模型的高速公路建造碳排放量预测方法研究

摘要：

开展高速公路碳排放量预测是实现交通领域节能减排的重要内容之一.选取高速公路建设中影响碳排放的路基长度、路面面积、桥梁长度、隧道长度等14个参数,采用生命周期评价法(LCA)对高速公路建造碳排放量进行核算,获得80个高速公路碳排放样本,并对碳排放量影响参数的重要性进行分析.通过等值赋权、残差赋权和自适应赋权3种赋权组合方式,建立XGBoost-SVR机器学习组合模型.结合高速公路碳排放样本,通过XGBoost-SVR组合模型训练得到碳排放量预测结果.基于误差和相关指数分析,对3种赋权方式的组合模型预测结果进行评判,并与单机器学习模型结果进行对比.研究结果表明:XGBoost-SVR组合模型融合了XGBoost和SVR模型的优点,其预测效果明显优于单机器学习模型的预测效果;对比等值赋权、残差赋权和自适应赋权,基于自适应赋权的XGBoost-SVR模型预测精度最高,建议应用于高速公路建造碳排放量预测.

关键词：高速公路、碳排放量预测、组合模型、自适应赋权

所属期刊栏目：55

分类号：U451(隧道工程)

在线出版日期：2024-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2588-2599