文件大小：1.24M
工业园区CO2排放在全国CO2排放总量中占比约31%，园区低碳发展对于缓解气候变化具有重要作用。本文以湖北省某工业区为例，对工业园区单、多CO2排放源关键信息进行了反演研究。基于AERMOD系统建立了工业园区内CO2扩散的正向模型，获取反演所需数据集。利用粒子群优化算法(PSO)、鲸鱼优化算法(WOA)和鹈鹕优化算法(POA)优化后的BP神经网络对工业园区中CO2排放源位置及排放强度进行反演计算。结果表明：POA-BP反演模型对于单排放源坐标的反演结果 R2为0.965，对排放强度的反演R2为0.938；对于多排放源坐标的反演结果 R2为0.97，对排放强度的反演R2为0.988，相较于其它模型来说具有较高的反演精度和稳定性，可以对工业园区内CO2排放源实现较为精确的定位，为工业园区应对气候变化和推进绿色转型提供决策支持。
