如今全球碳排放問(wèn)題日趨嚴(yán)重,中國(guó)正在積極推動(dòng)各產(chǎn)業(yè)實(shí)現(xiàn)低碳和綠色化發(fā)展。建筑行業(yè)是實(shí)現(xiàn)節(jié)能減排目標(biāo)的重點(diǎn)領(lǐng)域。實(shí)現(xiàn)建筑業(yè)的低碳發(fā)展的基礎(chǔ)工作是進(jìn)行行業(yè)CO₂排放量測(cè)算和預(yù)測(cè),提高CO₂排放預(yù)測(cè)模型精度對(duì)幫助建筑業(yè)部門(mén)實(shí)現(xiàn)節(jié)能減排有重要意義。本文擬基于具有非線(xiàn)性處理優(yōu)勢(shì)的BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)算法,開(kāi)展基于機(jī)器學(xué)習(xí)的建筑業(yè)二氧化碳排放智能預(yù)測(cè)模型研究。本文首先對(duì)建筑業(yè)二氧化碳排放現(xiàn)狀進(jìn)行分析,對(duì)建筑業(yè)二氧化碳排放邊界進(jìn)行界定,并在此基礎(chǔ)上建立建筑業(yè)二氧化碳排放測(cè)算模型,得到各年建筑業(yè)二氧化碳排放量數(shù)據(jù);通過(guò)文獻(xiàn)的調(diào)研選取12個(gè)建筑業(yè)二氧化碳排放因素,并基于隨機(jī)森林算法對(duì)影響因素進(jìn)行選擇,發(fā)現(xiàn)建筑業(yè)房屋竣工面積為最重要影響因素,并確定GDP、建筑業(yè)總產(chǎn)值、建筑業(yè)房屋竣工面積、建筑業(yè)勞動(dòng)生產(chǎn)率、建筑企業(yè)從業(yè)人數(shù)、建筑業(yè)一次能源消耗量作為建筑業(yè)二氧化碳排放預(yù)測(cè)模型的輸入變量。其次針對(duì)傳統(tǒng)預(yù)測(cè)模型在建筑業(yè)二氧化碳排放預(yù)測(cè)中的不足,本文提出BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種預(yù)測(cè)模型并對(duì)其進(jìn)行仿真模擬,以平均相對(duì)誤差、平均絕對(duì)誤差、均方根誤差和²

【文章來(lái)源】：西安建筑科技大學(xué)陜西省

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

影響因素重要度

西安建筑科技大學(xué)碩士學(xué)位論文26圖4.1神經(jīng)元模型用于網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)的算法很大程度上決定了神經(jīng)元的結(jié)構(gòu)方式。所以神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)中使用的學(xué)習(xí)算法也被認(rèn)為是結(jié)構(gòu)化的。神經(jīng)網(wǎng)絡(luò)根據(jù)網(wǎng)絡(luò)體系結(jié)構(gòu)的不同通常分為三類(lèi)[96]:①單層前饋網(wǎng)絡(luò)單層前饋網(wǎng)絡(luò)是結(jié)構(gòu)最簡(jiǎn)的層次性神經(jīng)網(wǎng)絡(luò)，它的網(wǎng)絡(luò)結(jié)構(gòu)中不出現(xiàn)隱藏層，由輸入層將輸入信號(hào)傳遞到輸出層。單層前饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖4.2所示：圖4.2單層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)②多層前饋網(wǎng)絡(luò)在網(wǎng)絡(luò)結(jié)構(gòu)方面，和單層網(wǎng)絡(luò)相比，多層前饋神經(jīng)網(wǎng)絡(luò)增加了隱藏層，關(guān)于隱藏層層數(shù)的確定沒(méi)有理論可參考，一般按照輸入數(shù)據(jù)特點(diǎn)進(jìn)行確定。隱藏層中的神經(jīng)元即為隱藏神經(jīng)元。其作用為根據(jù)需要調(diào)節(jié)輸入信號(hào)和輸出信號(hào)之間的關(guān)聯(lián)。神

西安建筑科技大學(xué)碩士學(xué)位論文26圖4.1神經(jīng)元模型用于網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)的算法很大程度上決定了神經(jīng)元的結(jié)構(gòu)方式。所以神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)中使用的學(xué)習(xí)算法也被認(rèn)為是結(jié)構(gòu)化的。神經(jīng)網(wǎng)絡(luò)根據(jù)網(wǎng)絡(luò)體系結(jié)構(gòu)的不同通常分為三類(lèi)[96]:①單層前饋網(wǎng)絡(luò)單層前饋網(wǎng)絡(luò)是結(jié)構(gòu)最簡(jiǎn)的層次性神經(jīng)網(wǎng)絡(luò)，它的網(wǎng)絡(luò)結(jié)構(gòu)中不出現(xiàn)隱藏層，由輸入層將輸入信號(hào)傳遞到輸出層。單層前饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖4.2所示：圖4.2單層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)②多層前饋網(wǎng)絡(luò)在網(wǎng)絡(luò)結(jié)構(gòu)方面，和單層網(wǎng)絡(luò)相比，多層前饋神經(jīng)網(wǎng)絡(luò)增加了隱藏層，關(guān)于隱藏層層數(shù)的確定沒(méi)有理論可參考，一般按照輸入數(shù)據(jù)特點(diǎn)進(jìn)行確定。隱藏層中的神經(jīng)元即為隱藏神經(jīng)元。其作用為根據(jù)需要調(diào)節(jié)輸入信號(hào)和輸出信號(hào)之間的關(guān)聯(lián)。神

【參考文獻(xiàn)】：
期刊論文
[1]基于系統(tǒng)動(dòng)力學(xué)的中國(guó)建筑業(yè)碳排放預(yù)測(cè)研究[J]. 趙冬蕾,劉伊生.  河南科學(xué). 2019(12)
[2]基于超效率三階段DEA模型的建筑業(yè)碳排放研究[J]. 宋金昭,陳策,王曉平,胡振.  環(huán)境科學(xué)與技術(shù). 2019(01)
[3]中國(guó)二氧化碳排放峰值的情景預(yù)測(cè)及達(dá)峰特征——基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)分析[J]. 段福梅.  東北財(cái)經(jīng)大學(xué)學(xué)報(bào). 2018(05)
[4]中國(guó)建筑業(yè)優(yōu)化升級(jí)對(duì)其碳排放影響的分階段研究[J]. 樊琳梓,李爽,裴志海.  技術(shù)經(jīng)濟(jì). 2018(08)
[5]基于系統(tǒng)動(dòng)力學(xué)的建筑碳排放預(yù)測(cè)研究[J]. 劉菁,趙靜云.  科技管理研究. 2018(09)
[6]基于STIRPAT模型的重慶市建筑碳排放影響因素研究[J]. 黃振華.  項(xiàng)目管理技術(shù). 2018(05)
[7]遺傳小波神經(jīng)網(wǎng)絡(luò)在機(jī)床碳排放預(yù)測(cè)中的應(yīng)用[J]. 程樂(lè)棋,張華,鄢威,馮豪.  機(jī)械設(shè)計(jì)與制造. 2018(05)
[8]中國(guó)城鎮(zhèn)化對(duì)建筑業(yè)碳排放影響的時(shí)空差異[J]. 盧娜,馮淑怡,陸華良.  北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2018(03)
[9]基于系統(tǒng)動(dòng)力學(xué)的甘肅省碳排放峰值預(yù)測(cè)[J]. 孔佑花,王麗,郭志玲,姜云超,王博.  環(huán)境工程技術(shù)學(xué)報(bào). 2018(03)
[10]中國(guó)建筑業(yè)碳排放強(qiáng)度影響因素分析[J]. 宋金昭,苑向陽(yáng),王曉平.  環(huán)境工程. 2018(01)

博士論文
[1]面向醫(yī)學(xué)數(shù)據(jù)的隨機(jī)森林特征選擇及分類(lèi)方法研究[D]. 姚登舉.哈爾濱工程大學(xué) 2016
[2]建筑業(yè)二氧化碳排放及能源環(huán)境效率測(cè)算分析研究[D]. 馮博.天津大學(xué) 2015
[3]中國(guó)建筑能耗影響因素分析模型與實(shí)證研究[D]. 蔡偉光.重慶大學(xué) 2011
[4]我國(guó)城鎮(zhèn)住宅空調(diào)生命周期能耗與資源消耗研究[D]. 李兆堅(jiān).清華大學(xué) 2007

碩士論文
[1]基于IGWO-SVM模型的河北省碳排放情景預(yù)測(cè)研究[D]. 楊帆.華北電力大學(xué) 2019
[2]我國(guó)建筑產(chǎn)業(yè)碳排放強(qiáng)度影響因素及減排策略研究[D]. 苑向陽(yáng).西安建筑科技大學(xué) 2018
[3]粒子群算法改進(jìn)及其在旋風(fēng)分離器結(jié)構(gòu)優(yōu)化中的應(yīng)用[D]. 樊呂彬.太原理工大學(xué) 2017
[4]中國(guó)建筑業(yè)碳排放強(qiáng)度空間特征及其影響因素研究[D]. 王寧.長(zhǎng)安大學(xué) 2017
[5]基于支持向量機(jī)的風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)方法研究[D]. 周會(huì)友.華北電力大學(xué)(北京) 2017
[6]改進(jìn)網(wǎng)格搜索的支持向量機(jī)參數(shù)優(yōu)化研究及應(yīng)用[D]. 顧凱成.蘭州理工大學(xué) 2016
[7]中國(guó)建筑行業(yè)碳排放測(cè)算及影響因素分解分析[D]. 陳進(jìn)道.重慶大學(xué) 2016
[8]湖北省建筑碳排放情景預(yù)測(cè)與峰值調(diào)控研究[D]. 應(yīng)華權(quán).華中科技大學(xué) 2015
[9]基于LMDI和MV模型碳排放因素與預(yù)測(cè)的低碳城市建設(shè)研究[D]. 劉暢.華北電力大學(xué) 2013
[10]基于時(shí)間序列的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)研究[D]. 萬(wàn)志宏.華南理工大學(xué) 2012



本文編號(hào)：3468296