|本期目录/Table of Contents|

基于集成学习的钢铁（高炉）行业碳排放预测方法()

《工业加热》[ISSN:1002-1639/CN:61-1208/TM]

期数:
2024年6期
页码:
41-46
栏目:
节能减排
出版日期:
2024-07-01

文章信息/Info

Title:
Carbon Emission Prediction Method of Steel (Blast Furnace) Industry Based on Ensemble Learning
文章编号:
1002-1639(2024)06-0041-06
作者:
叶强; 陈吴晓; 胡泽延; 蔡雨晴; 林涵
国网福建营销服务中心（计量中心 资金集约中心） 需求侧管理中心，福建福州350013
Author(s):
YE Qiang;  CHEN Wuxiao;  HU Zeyan;  CAI Yuqing;  LIN Han
State Grid Fujian Marketing Service Center (Metering Center and Integrated Capital Center), DSM Center,Fuzhou 350013，China
关键词:
BP神经网络; 支持向量机; 随机森林; 钢铁（高炉）行业; 钢铁（高炉）行业
分类号:
TP18
DOI:
10.3969／j.issn.1002-1639.2024.06.010
文献标识码:
A
摘要:
钢铁工业是能源消耗大、碳排放大的典型产业。中国的钢铁业是全球碳排放最多的行业之一。目前，由于缺乏监测数据，对钢铁行业企业碳排放预测的研究很少。为了有效解决这一问题，提出一种基于集成学习的钢铁（高炉）行业碳排放预测方法。选取具有较好计量手段的用电量作为碳排放影响因素，并结合高炉和电弧炉工艺，采用了三种机器学习模型，分别是反向传播（back propagation，简称BP）神经网络、支持向量机和随机森林，这些模型在机器学习领域具有广泛的应用前景。利用Shapley集成学习方法进行碳排放预测。通过仿真实验验证了本文所提的以用电量输入的钢铁行业碳排放预测模型具有理想的有效性与准确性。该结果可以为钢铁行业企业在减排和资源优化方面提供科学依据。

参考文献/References

备注/Memo

备注/Memo:
更新日期/Last Update: