典型文献
基于WOA-DELM的成都地铁建设阶段温室气体预测
文献摘要：
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(deep extreme learning machine,DELM)地铁碳排放预测模型,并与基于风驱动优化(wind driven 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(artificial bee 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(back propagation neural network)、KELM(kernel extreme learning 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％.
文献关键词：
地铁;生命周期评价;碳排放;深度极限学习机;预测模型
中图分类号：
作者姓名：
陈政;郭亚林;郭春
作者机构：
西南交通大学交通隧道工程教育部重点实验室,四川成都 610031
文献出处：
引用格式：
[1]陈政;郭亚林;郭春-.基于WOA-DELM的成都地铁建设阶段温室气体预测)[J].隧道建设（中英文）,2022(12):2048-2063
A类：
B类：
WOA,DELM,成都地铁,地铁建设,建设阶段,地铁设计,修建过程,中碳,计量问题,机器学习算法,放进,预测研究,生命周期评价,life,cycle,assessment,LCA,地铁车站,盾构区间,建筑材料,生产阶段,材料运输,现场施工,施工阶段,温室气体排放量,鲸鱼优化算法,whale,optimization,algorithm,深度极限学习机,deep,extreme,learning,machine,碳排放预测,风驱动,wind,driven,optimizer,WDO,灰狼优化,grey,wolf,GWO,粒子群优化,particle,swarm,PSO,人工蜂群,蜂群优化,artificial,bee,colony,ABC,多元宇宙,multi,verse,MVO,搜索优化,atom,search,ASO,back,propagation,neural,network,KELM,kernel,算法预测,略高于,关键影响因素,站长,埋深,相对变化率
AB值：
0.453924
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
