科研之友
微信
新浪微博
Facebook
分享链接
摘要
在碳排放预测模型的定量研究中,由于影响碳排放的因素(变量)多而复杂,且变量之间信息彼此重叠,从而出现碳排放预测模型稳定性差、预测精度不高等问题,因此探寻一种有效的变量筛选方法成为急需。本研究基于PLS-VIP算法,以1980—2017年的中国碳排放量为因变量,10个与碳排放量相关的影响因素为自变量进行PLS建模;通过计算原始自变量的投影重要性指标(VIP值)和交叉验证均方根误差(RMSECV)实施变量筛选,然后利用筛选出的变量通过PLS回归对测试数据进行检验。结果发现利用PLS-VIP方法能有效识别出与因变量相关性较强的变量,并从根本上减少进入模型的变量个数;同时基于筛选出的变量建模,其预测的精度和稳定性明显优于传统PLS方法,表明PLS-VIP方法在变量筛选和提高预测性能上是有效的。在模型的可解释性上,与传统的PLS方法相比,PLS-VIP方法筛选出的变量对因变量具有更科学、更合理和更强的解释能力,表明PLS-VIP方法能有效处理多变量的复杂性问题,是一种可行的变量筛选方法。
- 单位
