基于改进麻雀搜索算法优化BP神经网络的农业碳排放预测

来源：环境科学杂志2024年第1期北京时间：

作者：苏子龙,严文亮,李慧敏,高林燕,寿文琪,吴军

单位：光明食品集团上海农场有限公司, 盐城 224151,光明食品集团上海农场有限公司, 盐城 224151,光明食品集团上海农场有限公司, 盐城 224151,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023,南京大学环境学院, 污染控制与资源化研究国家重点实验室, 南京 210023

摘要：农业碳排放预测能够为农业领域实现碳达峰与碳中和目标的规划提供理论依据和数据支持. 为了优化现有的农业碳排放预测方法,以上海农场为例开展农业碳排放预测研究. 采用排放因子法核算了上海农场2011~2021年碳排放总量,基于碳排放核算结果构建了以种植业GDP、养殖业GDP和渔业GDP为指标的BP神经网络预测模型,并采用改进麻雀搜索算法对模型进行优化,最终利用优化后的BP神经网络模型对上海农场未来碳排放进行预测. 结果表明,改进麻雀搜索算法优化BP神经网络（TGSSA-BPNN）对于上海农场碳排放的预测结果准确率为96.14%,均方根误差为1.21万t·a-1,可决系数R2值为0.995 2,模型预测结果的准确度高,拟合效果良好；与优化前模型相比,TGSSA-BPNN模型多次运行结果的准确率稳定在95%左右,均方根误差稳定在20 000 t·a-1以下,R2值稳定在0.99以上,改进麻雀搜索算法提高了神经网络预测结果的准确性与稳定性,优化效果明显. 对于上海农场未来碳排放的预测结果表明,养殖业对于碳排放总量的影响起到了主导地位,控制养殖业规模可有效控制碳排放总量.

关键词：农业碳排放,预测模型,BP神经网络,麻雀搜索算法,k折交叉验证,Tent混沌映射,高斯变异,