基于LSTM的供应链全生命周期碳足迹测度与预测研究

摘要

碳足迹测量与估计是低碳供应链评估的重要指标，目前缺乏统一的碳足迹衡量标准与界限，同时传统的碳足迹测量方法需要大量的计算成本。因此，提出一种先核算后预测的两阶段全生命周期碳足迹估算方法。在第1阶段，电网物资供应链被划分为5个阶段，并构建相应的测算模型，实现对碳足迹的定量描述与评估；在第2阶段，以电缆产品作为碳源，构建基于长短时记忆神经网络(long short-term memory neural network,LSTM)的供应链全生命周期碳排放量预测模型。基于2020～2023年电网供应链的碳足迹管理数据进行了数值实验，预测准确率为99.3%。通过与BP神经网络和GABP神经网络构建的模型对比，证明模型的准确性与优越性，实现对碳足迹的有效核算与预测。

关键词

低碳供应链 / 碳足迹测度 / 碳排放量预测 / 全生命周期法 / LSTM神经网络