华南理工大学学报(自然科学版)

作者：王庆荣, 王俊杰, 朱昌锋, 郝福乐

单位：1.兰州交通大学 电子与信息工程学院，甘肃 兰州 7300702.兰州交通大学 交通运输学院，甘肃 兰州 730070

关键词：交通运输业,碳排放预测,二次分解,双重注意力机制,改进麻雀搜索算法

基金：国家自然科学基金项目(72161024);甘肃省教育厅“双一流”重大研究项目(GSSYLXM-04)

针对交通运输业碳排放数据序列的波动性和非线性影响预测精度的问题，提出了一种结合二次分解、双重注意力机制、改进麻雀搜索算法（ISSA）和长短期记忆（LSTM）网络的交通运输业碳排放预测模型。首先，引入自适应噪声完备集合经验模态分解，将交通碳排放数据序列分解为不同频率的模态分量，再利用样本熵对各分量复杂度进行量化，并利用变分模态分解对熵值最高的分量进行二次分解，进一步弱化交通碳排放数据序列的波动性和非线性；然后，为挖掘交通碳排放量与其影响因素间的关联性，构建基于双重注意力机制优化的LSTM（DALSTM）模型，在LSTM模型的输入端嵌入特征注意力机制，突出关键输入特征；同时，在输出端嵌入时间注意力机制，提取关键历史时刻信息；最后，结合Circle混沌映射、动态惯性权重因子和混合变异算子策略改进SSA算法，并对各模态分量分别建立ISSA-DALSTM模型，接着对各模态分量预测值进行重构。用所测算的中国交通运输业1990—2019年碳排放数据来对模型进行验证，结果表明，所提模型的均方根误差、均方误差、平均绝对百分比误差分别为5.308 8、3.566 1、0.443 9，均优于其他对比模型，验证了所提模型的有效性。

来源：2025年第5期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2025年第5期