文献类型：期刊文章

作　　者：向小军[1] 杨志晗[2] 赵赶超[2]

Xiang Xiaojun;Yang Zhihan;Zhao Ganchao(Scientific Research Department,Civil Aviation Flight University of China,Guanghan 618300;Flight Technology College,Civil Aviation Flight University of China,Guanghan 618300)

机构地区：[1]中国民用航空飞行学院科研处,广汉618300 [2]中国民用航空飞行学院飞行技术学院,广汉618300

出　　处：《现代计算机》

基　　金：中国民用航空飞行学院面上基金项目(J2021⁃015)。

年　　份：2023

卷　　号：29

期　　号：2

起止页码：14-22

语　　种：中文

收录情况：普通刊

摘　　要：随着中国民航业的高速发展,运输航空器的碳排放问题逐渐引起关注。采用时间序列的方法建立了传统的差分整合移动平均自回归(ARIMA)模型以及优化的长短期记忆网络(LSTM)模型,对航空器碳排放量、碳排放强度以及吨公里碳排放量进行了预测,通过鲸鱼优化算法(WOA)对LSTM中的学习率和隐藏节点数进行优化,避免了人为选择参数的主观性和盲目性,有利于提高模型预测的准确性。通过对比两种模型的均方根误差(RMSE)和平均绝对误差(MAE),ARIMA模型在航空器碳排放预测中有较好表现,WOA⁃LSTM模型在碳排放强度、吨公里碳排放的预测中有较好表现。

关 键 词：时间序列 ARIMA WOA⁃LSTM  碳排放

分 类 号：X738]