1 简介
为判断中国是否能够实现2030年碳排放强度下降60%～65%的承诺,以及碳排放总量是否能够在2030年达到峰值,论文构建了一个基于鲸鱼优化算法改进的极限学习机模型,对—2040年的碳排放量和碳排放强度进行预测.首先基于STIRPAT模型筛选中国碳排放影响因素,将其作为碳排放预测模型的输入因素集,而后运用鲸鱼算法优化极限学习机的参数,克服极限学习机易陷入局部最优解的缺点,最后运用该组合模型对中国未来的碳排放进行预测.通过与ELM模型的预测结果和误差指标进行对比,证实论文提出的碳排放预测模型的精度更高,能够更为准确地反映中国未来的碳排放趋势.
Mirjalili和Lewis在从座头鲸的猎食行为中得到启示，提出一种新的元启发式优化算法——鲸鱼优化算法。该算法仿照座头鲸的泡泡网觅食方法，通过收缩包围、螺旋位置更新以及随机捕食行为捕猎，如图1所示。通过模仿其觅食建立数学模型，具体的寻优过程如下：首先通过判断系数向量A是否在区间[–1,1]内，若不在就采用搜索捕食的方式跳出当前包围圈；若在就通过判断阈值p选择包围猎物还是狩猎行为。为了减少控制变量，该算法只有位置向量，去掉了速度向量，所以使得算法的寻优能力得到增强。
