基于改進支持向量機的公共建筑碳排放量估計研究

摘要：目前，進行公共建筑碳排放量估計時，存在估計精度低和模型穩定性差的問題，對此，提出基于改進支持向量機的公共建筑碳排放量估計研究方法。首先，分析公共建筑碳排放量的影響因素，并對采集到的公共建筑碳排放數據展開預處理；然后，建立支持向量機模型，并基于人工魚群算法對支持向量機參數進行優化。最后將優化后的正則化參數和寬度參數代入支持向量機中，得到公共建筑碳排放量。實驗結果表明，所提方法的PCC系數最高達到0.81，MAE最低值為0.08，MAPE最低值為19％，由此可見所提方法可精準的完成碳排放量估計，同時具有較高的穩定性。

關鍵詞：支持向量機；人工魚群算法；公共建筑；參數優化；碳排放量估計

中圖分類號：X22 文獻標志碼：A

前言

中國的經濟發展速度在城鎮化和工業化進程的推進下逐漸加快，公用建筑數量逐漸增多，進而增加了能源的消耗量。在此背景下，溫室效應造成的環境問題逐漸引起人們的重視。經調查發現，自然災害、人類健康和生態環境都會受到全球氣溫升高的影響。為解決溫室效應，全球開始發展綠色、節能、減排的道路，減排成果可通過公共建筑的碳排放量體現，為此，研究公共建筑碳排放量估計方法具有重要意義。

王思琪等人結合研究區域的公共建筑能源審計報告和面積數據建立雙回歸預測模型，參數化處理公共建筑的節能改造程度和空調系統形式，將其輸入雙回歸預測模型中，實現碳排放估計，該方法獲得的碳排放量估計結果與實際結果不符，存在估計精度低的問題。魏光普等人在能源平衡表的基礎上計算建筑能耗，在循環神經網絡中輸入能耗計算結果，建立LSTM碳排放預測模型，獲得碳排放估計量，該方法建立的模型PCC系數較低，穩定性較差。

為了解決上述方法中存在的問題，提出基于改進支持向量機的公共建筑碳排放量估計研究方法。這種新的研究方法旨在為決策者提供更為精確的碳排放數據，幫助制定出更加有效的公共政策和管理措施，從而實現綠色低碳發展目標。