基于ReVIN-TCN-NBEATS模型的日碳排放量预测研究OA
针对日碳排放序列非平稳性显著、随机波动强烈、多重周期相互叠加的复杂特性,提出一种融合ReVIN、TCN与NBEATS的深度学习预测模型——ReVIN-TCN-NBEATS。首先,利用ReVIN模块分别在输入端进行实例归一化、输出端进行反归一化,以消除外部冲击引起的数据分布漂移问题;其次,构建TCN与NBEATS并行特征提取架构,分别捕捉序列的局部非线性高频波动与全局长期趋势及周期规律;最后,基于SE-Attention模块依据上下文信息动态分配双分支权重,实现微观波动与宏观趋势的自适应融合。基于安徽省2019—2025年日碳排放数据进行实验,对比结果显示该模型的决定系数达0.9849,平均绝对百分比误差仅为0.60%,显著优于单一组件模型;在1~30 d的多步预测任务中,该模型的误差累积速度最慢,30 d步长下R 2仍保持0.96以上,表现出较高的预测精度与较强的鲁棒性。
蔡园园;李姗姗;陈华亮;杨庆开
安徽理工大学经济与管理学院,安徽淮南232000安徽理工大学经济与管理学院,安徽淮南232000安徽理工大学电气与信息工程学院,安徽淮南232001安徽理工大学电气与信息工程学院,安徽淮南232001
信息技术与安全科学
碳排放预测日尺度反向实例归一化混合深度学习预测
《重庆科技大学学报(自然科学版)》 2026 (4)
P.94-106,13
国家自然科学基金面上项目“‘技术-组织-经济’组态框架下煤矿甲烷减排潜力及路径优化研究”(52574221)煤炭安全精准开采国家地方联合工程研究中心(安徽理工大学)开放基金项目“基于DAS的矿震监测与定位技术研究”(EC2024010)安徽理工大学高层次引进人才科研启动基金项目“基于DAS的微震监测数据处理与定位技术研究”(2024YJRC103)。
评论