中国环境科学

作者：王庆荣, 刘心康, 朱昌锋, 王俊杰

单位：1. 兰州交通大学电子与信息工程学院, 甘肃 兰州 730070;2. 兰州交通大学交通运输学院, 甘肃 兰州 730070

关键词：多元变分模态分解,差分多头注意力机制,交通碳排放预测,样本熵,模型优化

基金：国家自然科学基金资助项目(72161024);甘肃省教育厅“双一流”重大研究项目(GSSYLXM-04)

针对交通运输业碳排放数据序列的波动性和非线性影响预测精度的问题,提出了一种结合MVMD分解、差分多头注意力机制、改进的iTransformer和SSA改进LSTM网络的交通运输业碳排放预测模型.首先,引入多元变分模态分解,将交通碳排放特征数据序列分解为不同频率的模态分量,再利用样本熵对各分量复杂度进行量化,并根据大小划分为高低频数据,进一步弱化交通碳排放数据序列的波动性和非线性;然后,使用SSA-LSTM进行低频数据的预测,挖掘长程依赖;同时,使用LSTM加改进的iTransfoemer快速去噪拟合,避免对主体趋势的干扰;最后,通过样本熵值的大小来计算权重将高低频数据预测值进行结合.最后,采用中国交通运输业2000~2022年碳排放数据来对模型进行验证,结果表明,所提模型的均方根误差、均方误差、平均绝对百分比误差分别为10.31x106t、106.35x106t、0.97%,均优于其他对比模型,验证了所提模型的有效性.

来源：2026年第3期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2026年第3期