[1] LI Z, Li Y B, SHAO S S.Analysis of influencing factors and trend forecast of carbon emission from energy consumption in China based on expanded STIRPAT model[J]. Energies,2019,12(16):3054. [2] 刘哲远, 邢海军, 程浩忠, 等. 考虑碳排放流及需求响应的综合能源系统双层优化调度[J]. 高电压技术, 2023,49(1):169-178. [3] 李军徽, 邵岩, 朱星旭, 等. 计及碳排放量约束的多区域互联电力系统分布式低碳经济调度[J]. 电工技术学报, 2023, 38(17): 4715-4728. [4] CHANG Z Y, JIAO Y M, WANG X J, et al. Influencing the variable selection and prediction of carbon emissions in China[J]. Sustainability, 2023,15(18):13848. [5] 宋杰鲲. 基于支持向量回归机的中国碳排放预测模型[J]. 中国石油大学学报(自然科学版), 2012, 36(1):182-187. [6] 张迪, 王彤彤, 支金虎. 基于IPSO-BP神经网络模型的山东省碳排放预测及生态经济分析[J]. 生态科学, 2022,41(1):149-158. [7] 杨俊祺, 范晓军, 赵跃华, 等. 基于PSO-BP神经网络的山西省碳排放预测[J]. 环境工程技术学报, 2023,13(6):2016-2024. [8] 李心萍, 苏时鹏, 张雅珊, 等. 福建省碳排放预测与碳达峰路径分析[J]. 资源开发与市场, 2023,39(2):139-147. [9] 高思慧, 刘伊生, 李欣桐, 等.中国建筑业碳排放影响因素与预测研究[J]. 河南科学, 2019,37(8):1344-1350. [10] LI C, LI Y Z, XING J. Multivariate grey prediction model application in civil aviation carbon emission based on fractional order accumulation and background value optimization[J]. Sustainability, 2023,15(11):9127. [11] 李国庆, 刘钊, 金国彬, 等. 基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测[J]. 电网技术, 2020,44(2):437-445. [12] 邹治锐, 高坤, 朱伟, 等. 基于神经网络BP算法的局部电网短期负荷预测系统[J]. 湖南电力, 2020,40(2):74-77. [13] 何海婷, 柳亦兵, 巴黎明, 等. 基于BP神经网络的飞轮储能系统主动磁轴承非线性动力学模型[J]. 中国电机工程学报, 2022,42(3):1184-1198. [14] 吴俊利, 张步涵, 王魁. 基于Adaboost的BP神经网络改进算法在短期风速预测中的应用[J]. 电网技术, 2012,36(9):221-225. [15] 魏勤, 陈仕军, 黄炜斌, 等. 利用随机森林回归的现货市场出清价格预测方法[J]. 中国电机工程学报, 2021,41(4):1360-1367,1542. [16] 李冠争, 李斌, 王帅, 等. 基于特征选择和随机森林的电力系统受扰后动态频率预测[J]. 电网技术, 2021,45(7):2492-2502. [17] 王彤, 刘九良, 朱劭璇, 等. 基于随机森林的电力系统暂态稳定评估与紧急控制策略[J]. 电网技术, 2020,44(12):4694-4701. [18] 吴佳懋, 李艳, 符一健. 基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测[J]. 电力系统保护与控制, 2019,47(3):23-30. [19] 韩迎春, 童晓阳. 利用时空电气量基于灰色关联度的电网故障诊断[J]. 电网技术, 2017,41(2):581-588. [20] 尹星露, 肖先勇, 孙晓璐. 基于预测有效度和马尔科夫-云模型的母线负荷预测模型筛选与变权重组合预测[J]. 电力自动化设备, 2015,35(3):114-119. [21] 张青山. 基于组合预测的广西GDP预测研究[D]. 桂林:广西师范大学, 2023. |