基于LSTM的供应链全生命周期碳足迹测度与预测研究
俞春华1
佘程熙2
李金霞1
陈琦1
温富国1
吴义男2
1.国网江苏省电力有限公司物资分公司,江苏 南京 2100362.南京大学 工程管理学院,江苏 南京 210008
摘要：碳足迹测量与估计是低碳供应链评估的重要指标,目前缺乏统一的碳足迹衡量标准与界限,同时传统的碳足迹测量方法需要大量的计算成本.因此,提出一种先核算后预测的两阶段全生命周期碳足迹估算方法.在第 1阶段,电网物资供应链被划分为 5个阶段,并构建相应的测算模型,实现对碳足迹的定量描述与评估;在第 2阶段,以电缆产品作为碳源,构建基于长短时记忆神经网络(long short-term memory neural network,LSTM)的供应链全生命周期碳排放量预测模型.基于 2020～2023年电网供应链的碳足迹管理数据进行了数值实验,预测准确率为99.3%.通过与BP神经网络和GABP神经网络构建的模型对比,证明模型的准确性与优越性,实现对碳足迹的有效核算与预测.
关键词：低碳供应链碳足迹测度碳排放量预测全生命周期法LSTM神经网络
分类号：F425(中国工业经济)F274(企业经济)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 161-171 )
英文信息