基于改进SVR的集装箱港口碳排放预测研究

来源：南京信息工程大学学报·自然科学版杂志2026年第3期北京时间：

作者：肖玉杰，单方颖，巴文婷，高泽天，张倬荣

单位：肖玉杰,南京财经大学 营销与物流管理学院, 南京, 210023,单方颖,南京财经大学 MBA 教育中心, 南京, 210023,巴文婷,南京林业大学 汽车与交通工程学院, 南京, 210037,高泽天,南京财经大学 营销与物流管理学院, 南京, 210023,张倬荣,南京财经大学 营销与物流管理学院, 南京, 210023

摘要：港口作为经济的海上门户,既是全球贸易的枢纽,也是碳排放的重要源头.本文突破传统研究中单一港口短期数据的局限,构建了多港口、长周期的分析框架,系统整合港口运营、经济发展等多维度的10项关键指标,为港口碳排放的长期动态预测提供科学依据,为港口低碳发展提供前瞻性决策支持.运用主成分分析与灰色关联分析相结合的方法,对指标进行科学筛选,剔除冗余信息,精准提取最具代表性的核心指标.在此基础上,进一步采用岭回归分析优化指标体系,避免多重共线性问题,确保指标的有效性和可靠性.随后,引入支持向量回归(SVR)模型进行碳排放预测,并融入GML指数进行改进,以动态反映港口效率变化对碳排放的深远影响.通过对比分析,研究发现:1)集装箱港口碳排放与码头泊位数量、货物吞吐量、集装箱吞吐量和运营成本等因素密切相关,以这些核心指标为基础构建的预测模型,能够有效地反映港口碳排放的变化趋势;2)引入生产效率特征显著提升支持向量回归模型的预测精度,能够更为精准地揭示港口运营中的碳排放变化规律,从而为低碳管理提供有力的理论依据和实践支持.

关键词：集装箱港口;碳排放预测;支持向量回归;多维度;岭回归

基金资助：国家自然科学基金(72271116);江苏省研究生实践创新计划(SJCX24_0720)