| 摘 要： | 为解决成都地铁设计和修建过程中碳排放计量问题,以成都地铁18号线6车站7区间为研究对象,采用机器学习算法对成都地铁建设阶段碳排放进行预测研究。基于生命周期评价（life cycle assessment, LCA）框架对地铁车站和盾构区间建筑材料生产阶段、建筑材料运输阶段和现场施工阶段温室气体排放量进行计算,建立基于鲸鱼优化算法（whale optimization algorithm, WOA)的深度极限学习机（deepextreme learning machine, DELM）地铁碳排放预测模型,并与基于风驱动优化（winddriven optimizer, WDO）、灰狼优化(grey wolf optimizer, GWO）、粒子群优化(particle swarm optimizer, PSO)、人工蜂群优化（artificialbee colony, ABC）、多元宇宙优化（multi-verse optimizer, MVO）、原子搜索优化（atom search optimizer,ASO）的深度极限学习机（DELM）和未优化的BP（backpropagation neural network）、KELM(kernel extremelearning machine)、DELM算法预测结果进行对比分析。研究得到： 1)WOA-DELM算法预测结果相关一致性为0.757,略高于其他算法; 2）根据WOA-DELM算法对地铁碳排放主要输入指标进行敏感性分析,得到地铁车站碳排放预测的关键影响因素为车站长度和轨面埋深,对应指标碳排放相对变化率分别为30.1%和23.1%。
|
