基于AERMOD和POA-BP神经网络的工业园区CO2排放源反演

2024-06-26 160 1.24M 0

  工业园区CO2排放在全国CO2排放总量中占比约31%,园区低碳发展对于缓解气候变化具有重要作用。本文以湖北省某工业区为例,对工业园区单、多CO2排放源关键信息进行了反演研究。基于AERMOD系统建立了工业园区内CO2扩散的正向模型,获取反演所需数据集。利用粒子群优化算法(PSO)、鲸鱼优化算法(WOA)和鹈鹕优化算法(POA)优化后的BP神经网络对工业园区中CO2排放源位置及排放强度进行反演计算。结果表明:POA-BP反演模型对于单排放源坐标的反演结果 R2为0.965,对排放强度的反演R2为0.938;对于多排放源坐标的反演结果 R2为0.97,对排放强度的反演R2为0.988,相较于其它模型来说具有较高的反演精度和稳定性,可以对工业园区内CO2排放源实现较为精确的定位,为工业园区应对气候变化和推进绿色转型提供决策支持。



您还没有登录,请登录后查看详情

134/1000专辑:论文下载

举报收藏 0打赏 0评论 0
相关资源
本类推荐
下载排行
网站首页  |  关于我们  |  联系方式  |  使用协议  |  隐私政策  |  版权隐私  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  RSS订阅  |  蜀ICP备19012879号