基于关键特征排序的可解释碳排放预测模型

摘要

提出基于关键特征排序的可解释碳排放预测模型(EEMD-LSTM-ATT),选取人口总数、城镇化率、第一产业国内生产总值、第二产业国内生产总值、第三产业国内生产总值与进出口贸易总额这6个变量，以非线性预测能力强的长短时记忆网络为基线模型，采用注意力机制提取影响因素与时间属性的权重信息。结果表明：该模型一方面能够抑制模态混叠的产生，减少数据非线性对于模型预测带来的影响；另一方面能够解释不同时间属性与不同影响因素对于碳排放的重要性程度，使得预测结果具备可解释性；将影响因素与时间属性的权重信息加入模型的训练过程能够促进碳排放影响因素与模型预测有机结合；本文方法可实现高精度碳排放预测，均方根误差为3.772,平均绝对误差为3.416,拟合优度为0.880。

关键词

集合经验模态分解 / 长短期记忆模型 / 注意力机制 / 预测模型