[发明专利]一种二氧化碳排放量预测方法

权利要求书

1.一种二氧化碳排放量预测方法，其特征在于，包括：

步骤1：采集包括历史CO₂排放量、人口、人均GDP、城镇化率、第二产业增加值占比、能源消费结构、能源强度、煤炭消费总量、碳排放强度以及进出口总额在内的数据；

步骤2：对数据进行无量纲化处理，并计算各个数据与CO₂排放量的灰色关联度，根据灰色关联度的排序来筛选模型输入的CO₂排放量影响因素指标实现特征降维；

步骤3：运用灰色预测模型GM(1,1)对已经筛选出的CO₂排放量影响因素指标进行预测；

步骤4：将上述CO₂排放量影响因素的预测值作为模型输入，然后运用改进的混合蛙跳算法优化最小二乘支持向量机模型对CO₂排放量进行预测。

2.根据权利要求1所述方法，其特征在于，所述改进的混合蛙跳算法为通过基于群体适应度方差来判断种群是否出现早熟收敛的情况，对陷入早熟收敛的种群的全局最优解进行轻微扰动，从而使混合蛙跳算法跳出局部最优值。

3.根据权利要求1或2所述方法，其特征在于，所述改进的混合蛙跳算法具体包括：

定义群体适应度方差为：

其中，u²是粒子群的群体适应度方差；n是种群中子群体的数目；f_i是第i只青蛙的适应度；f_avg是当前种群的平均适应度；f是归一化因子；f的计算方法如下：

令当L>a时，种群被判定为陷入局部最优；其中，为第i代子群体的适应度方差，为第i-1代子群体的适应度方差；

当种群陷入局部最优时，对种群的全局最优解进行轻微扰动，从而使其跳出局部最优值；扰动公式如下：

其中，X_m为种群的全局最优值，P为扰动系数，rand()表示[0,1]之间的随机数。

4.根据权利要求1或2所述方法，其特征在于，所述步骤4包括：

步骤401：采集数据并进行数据预处理；

步骤402：设置算法的待优化参数为正则化参数与核函数宽度，初始化种群；

步骤403：计算个体的适应度值并进行排序，同时进行子群划分操作；

步骤404：确定每个子群体中的最优解、最差解和群体全局最优解，再根据更新策略对每个子群体中的最差个体进行反复更新，直至达到子群体最大迭代次数；

步骤405：计算群体的适应度方差，并判定算法是否陷入局部最优，如果种群陷入局部最优，则对种群的全局最优解进行扰动操作，更新当前群体最优解；

步骤406：判断算法结束条件；当达到全局最大迭代次数时，停止计算，然后输出最优解，否则将全部个体重新混合，转至步骤403；

步骤407：将最优解代入LSSVM模型，进行预测。