低碳环保与节能减排72节能ENERGYCONSERVATIONNO.012023基于组合预测模型的交通碳排放量预测研究沙爱敏1陈婷1吕凡任1王晓东2（1.扬州职业大学土木工程学院，江苏扬州225009；2.仪征市交通运输局，江苏仪征211400）摘要：为了构建交通碳排放量的预测模型与方法，以扬州交通碳排放量为研究对象，基于组合预测模型理论，通过赋予灰色Verhulst模型、Logistic模型、Gompertz模型不同权重系数建立最优组合预测模型。结果显示：组合预测模型的预测精度和可靠性明显高于单项预测模型，具有明显的优越性，能够较为准确地预测交通碳排放量。关键词：交通运输；碳排放；组合预测模型中图分类号：X321文献标识码：A文章编号：1004-7948（2023）01-0072-04doi：10.3969/j.issn.1004-7948.2023.01.019ResearchoncarbonemissionprojectionoftransportationbasedoncombinationprojectionmodelSHAAi-minCHENTingLYUFan-renWANGXiao-dongAbstract：Inordertobuildatransportcarbonemissionpredictionmodelandmethod,takingthetransportationcarbonemissionsofYangzhouastheresearchobject,basedoncombinationpredictionmodeltheory,thegreyVerhulstmodel,LogisticmodelandGompertzmodelweregivendifferentweightcoefficientstoestablishtheoptimalcombinationpredictionmodel.Theresultsshowthatthepredictionaccuracyandreliabilityofthecombinedpredictionmodelareobviouslyhigherthanthatofthesinglepredictionmodel,whichhasobviousadvantagesandcanaccuratelypredictthetransportationcarbonemissions.Keywords:transportsector;carbonemission;combinationprojectionmodel引言交通运输业的碳排放量约占全国终端碳排放量的15%，面临碳减排压力[1-2]。交通运输处于绿色转型的重要时期，预测交通碳排放量有助于把握交通运输业的发展动向，对交通运输业碳排放因素的分析具有重要作用。交通碳排放量的预测结果也是交通运输绿色发展战略的重要决策依据。预测交通碳排放量的方法主要包括情景预测法、灰色预测法、BP神经网络预测法、曲线拟合法、影响因素分解模型预测法等[3-4]。以2008~2019年扬州交通碳排放量测算数据为基础，通过对比分析，在充分考虑单个模型优势和局限性的基础上，选择灰色Verhulst模型、Logistic模型、Gompertz模型进行优化组合，赋予单个模型变权重系数，建立最优组合预测模型，从而提升交通碳排放预测模型的精确度。1组合预测模型组合预测利用各...
