PO-BP模型的农业碳排放预测 ——以川渝地区为例

路 金枝
重庆工商大学数学与统计学院

摘要


为在农业领域实现节能减排，预测川渝两地的农业碳排量能为制定合理的节能减排政策提供依据。本文用
STIRPAT模型分析碳排放的影响因素，再借助CPO-BP模型结合川渝地区2001~2022年的数据，对2023~2040年两
地在不同发展情景下的碳排放量进行预测，并将该模型的预测结果及误差指标，与BP、SVM模型作对比。研究结果
显示：使用CPO-BP模型预测精度明显提高，在低碳发展情景下川渝两地均能在2030年前实现农业碳达峰。

关键词


农业；碳排放；BP神经网络；冠豪猪优化算法

全文:

PDF


参考


[1]冉锦成，苏洋，胡金凤，等.新疆农业碳排放时

空特征、峰值预测及影响因素研究[J].中国农业资源与区

划，2017，38（08）：16-24.

[2]马彩云，徐林，赖芨宇，等.基于灰色预测模型

的安徽省建筑业碳排放量预测[J].南通大学学报（自然科

学版），2019，18（01）：89-94.

[3]李姗姗，费翔，董洪光，等.基于LMDI和LEAP

模型的山西省碳排放影响因素及预测分析[J/OL].中国环

境 科 学，1-14[2025-02-19].https：//doi.org/10.19674/

j.cnki.issn1000-6923.20250114.003.

[4]赵金元，马振，唐海亮.BP神经网络和多元线性

回归模型对碳排放预测的比较[J].科技和产业，2020，20

（11）：172-176.

[5]AGBULUT U. Forecasting of transportation-related

energy demandand CO2 emissions in turkey with different

machine learningalgorithms[J]. Sustainable Production and

Consumption, 2022,29(10): 141-157.

[6]王珂珂，牛东晓，甄皓，等.基于WOA-ELM模

型的中国碳排放预测研究[J].生态经济，2020，36（08）：

20-27.

[7]杨 俊 祺， 范 晓 军， 赵 跃 华， 等.基 于PSO-BP

神经网络的山西省碳排放预测[J].环境工程技术学报，

2023，13（06）：2016-2024.

[8]Abdel-Basset M, Mohamed R, Abouhawwash

M. Crested Porcupine Optimizer: A new nature-inspired

metaheuristic[J]. Knowledge-Based Systems, 2024, 284: 111257.

[9]李波，张俊飚，李海鹏.中国农业碳排放时空特

征及影响因素分解[J].中国人口·资源与环境，2011，21

（8）：80-86.

[10]胡向东，王济民.中国畜禽温室气体排放量估算

[J].农业工程学报，2010，26（10）：247-252.

[11]范紫月，齐晓波，曾麟岚，等.中国农业系统

近40年温室气体排放核算生态学报，2022，42（23）：

9470-9482.

[12]Dubey A, Lal R. Carbon footprint and sustainability

of agricul‐tural production systems in Punjab，India, and Ohio,

USA[J]. Journal of Crop Improvement, 2009, 23(4) :332-350.

[13]何小田.山东省农业碳排放时空特征及趋势预测

[J].黑龙江粮食，2023，（08）：124-126.


Refbacks

  • 当前没有refback。