基于PSO-BP神经网络高速公路建设期碳排放预测方法

摘要

为了解决高速公路建设期碳排放预测不精准的问题，提出了粒子群优化（particle swarm optimization, PSO）算法优化BP（back propagation）神经网络预测碳排放的方法。采用层次分析法（analytic hierarchy process, AHP）从工程长度层、工程建设层、能源消耗层与材料消耗层4个维度凝练出路线长度、路基长度、路面长度、隧道长度、桥涵长度、互通区长度、挖方量、填方量、柴油消耗量、水泥消耗量、碎石消耗量和钢筋消耗量12个关键指标；获取36个高速公路项目数据作为模型训练的实证样本，结合误差指标进行对比分析。结果表明，所得PSO-BP模型R²为0.974,BP模型R²为0.890,前者更接近于1;与生命周期法结果相比较，PSO-BP比未优化的BP与真实值之间偏差更小。划分的4个维度层和选择的12个关键指标使得在高速公路设计规划阶段即可预测得到建设期的碳排放，为高速公路的低碳建设提供了参考。

关键词

道路工程其他学科 / 碳排放预测 / PSO-BP神经网络 / 模型优化 / 因素分析

基金资助

国家自然科学基金(22178085,51574139); 河北省交通运输厅2023年计划项目(QT2023016); 河北高速公路集团揭榜项目(HXZB2024-A2-00165-002)