基于LSTM的供应链全生命周期碳足迹测度与预测研究OACHSSCDCSTPCD

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。