基于深度学习的交通运输业能耗预测——以“一带一路”主要经济体为例

为合理规划一次能源使用,深入推进节能减排,需对交通运输能耗进行预测.使用灰色综合关联度模型筛选出客运、货运和经济发展水平三个方面共八个影响因素作为模型输入,提出了主要由LSTM层、Dropout层和Bi-LSTM层构成的深度学习模型,并使用天牛群优化算法精调模型超参数,在此基础上对2019至2025年中国、印度、东南亚和巴基斯坦四个"一带一路"沿线经济体交通运输能耗进行预测.研究结果表明:首先,BSO-LSTM模型较GA-BPNN、GA-SVR、GA-LSTM和PSO-LSTM模型具有最高的预测精度.其次,2019-2025年,中、印、东、巴交通运输业能耗总体上在波动中上升,年均增长率分别为2.92%、5.64%、3.05%和4.88%.再次,2024年中、印、东、巴交通运输业单位GDP能耗分别为29.41、37.41、46.67和83.12,除巴基斯坦外,较2018年均有所下降.最后,中国、东南亚2018-2024年交通运输业能源消费弹性系数较2012-2018年有所下降,而印度、巴基斯坦仍保持上升趋势.