基于改进SVR的集装箱港口碳排放预测研究

摘要

港口作为经济的“海上门户”，既是全球贸易的枢纽，也是碳排放的重要源头．本文突破传统研究中单一港口短期数据的局限，构建了多港口、长周期的分析框架，系统整合港口运营、经济发展等多维度的10项关键指标，为港口碳排放的长期动态预测提供科学依据，为港口低碳发展提供前瞻性决策支持．运用主成分分析与灰色关联分析相结合的方法，对指标进行科学筛选，剔除冗余信息，精准提取最具代表性的核心指标．在此基础上，进一步采用岭回归分析优化指标体系，避免多重共线性问题，确保指标的有效性和可靠性．随后，引入支持向量回归(SVR)模型进行碳排放预测，并融入GML指数进行改进，以动态反映港口效率变化对碳排放的深远影响．通过对比分析，研究发现:1)集装箱港口碳排放与码头泊位数量、货物吞吐量、集装箱吞吐量和运营成本等因素密切相关，以这些核心指标为基础构建的预测模型，能够有效地反映港口碳排放的变化趋势; 2)引入生产效率特征显著提升支持向量回归模型的预测精度，能够更为精准地揭示港口运营中的碳排放变化规律，从而为低碳管理提供有力的理论依据和实践支持．

关键词

集装箱港口 / 碳排放预测 / 支持向量回归 / 多维度 / 岭回归

基金资助

国家自然科学基金(72271116); 江苏省研究生实践创新计划(SJCX24＿0720)