来源：期刊VIP网 时间：
作者：杨玮;张林怡;龙涛;邓莎;杨超;雷永康;
单位：西安建筑科技大学资源工程学院;陕西省黄金与资源重点实验室;西安建筑科技大学绿色选冶协同技术与装备研究所;商洛西北有色713总队有限公司;
摘要：科学识别碳排放的主要影响因素并准确预测碳排放峰值对实现“双碳”目标具有重要意义。研究以能源、资源供应大省——陕西省为例，基于1997—2021年陕西省经济社会发展和有色金属能源消费数据，运用Lasso回归模型识别影响陕西省有色金属行业碳排放的主要影响因素，并通过构建粒子群算法(Particle Swarm Optimization, PSO)优化的深度极限学习机(Deep Extreme Learning Machine, DELM)模型对陕西省有色金属行业2022—2035年的碳排放进行情景预测。结果显示：省经济增速、能源消费总量、能源强度等6个因素是影响陕西省有色金属行业碳排放的主要因素；PSO-DELM模型的预测精度比DELM模型更高，其决定系数、平均绝对百分比误差、平均绝对误差和均方根误差分别为0.99、0.36%、0.02和0.03。情景预测结果表明，在低碳、基准和高碳情景下，陕西省有色金属行业碳排放将分别于2028年、2032年和2034年达峰，峰值分别为280.05万t、432.05万t和616.23万t。
关键词：环境工程学;;Lasso回归;;深度极限学习机;;粒子群优化算法;;碳排放;;情景预测
