一种结合数据挖掘技术的机器学习模型，通过考虑断点事件来预测每日二氧化碳排放量

《Journal of Cleaner Production》：A data mining-enhanced machine learning model considering breakpoint events for daily carbon dioxide emissions forecasting

　　•提出了一种考虑断点的复杂度自适应预测框架。•一种断点分割重建框架可降低断点带来的干扰。•通过复杂度自适应预测提升子组件的模型匹配度。•为各行业的二氧化碳排放提供精准的预测工具。

引言
准确预测各行业的日二氧化碳排放量有助于开展短期排放监测和政策效果评估，从而推动中国实现碳达峰和碳中和目标（Zhao和Yang，2025）。因此，提升各行业预测精度具有重要意义。然而，各行业的日二氧化碳排放量属于高频时间序列，极易受到公共卫生危机、政策调整以及季节性变化等重大事件的影响（Gu和Wu，2024；Wang等人，2022；Wen等人，2024）。这些重大事件可能导致特定时间点附近的二氧化碳排放水平、波动幅度及变化趋势发生显著变化（Zhang等人，2025）。在时间序列中，统计特征发生显著变化的时间点被称为断点（Aminikhanghahi和Cook，2017）。断点的出现意味着时间序列的前后阶段可能具有不同的统计特征和内在驱动机制。如果预测模型未能识别并考虑这些阶段差异，就可能会捕捉到混合或扭曲的历史变化模式，进而影响预测的准确性和稳定性。此外，由于能源结构与生产方式的差异，各行业的二氧化碳排放往往具有不同的断点特征和变化模式（Zhong等人，2024）。因此，有必要开发一种能够考虑断点影响、实现跨行业自适应预测的日二氧化碳排放预测模型。

二氧化碳排放预测模型通常可分为三类：统计模型、机器学习模型以及混合模型（Wang等人，2024）。传统统计模型结构简单且可解释性强，常被用于年度或月度的二氧化碳排放预测研究（Kour，2023；Yu和Xu，2019）。但对于数据量庞大、非平稳性高且非线性强的行业日二氧化碳排放数据，统计模型的预测效果往往不佳（Bokde等人，2021）。

相比之下，机器学习模型能够自动捕捉数据中的复杂非线性关系，具备较强的拟合能力和预测性能（Song等人，2024），因此被广泛应用于二氧化碳排放预测研究（Dong和Li，2022；Mason等人，2018）。不过，日二氧化碳排放时间序列通常存在多尺度波动和复杂动态特性，直接应用单一机器学习模型可能仍难以实现准确稳定的预测（Yang和Liu，2023）。正因如此，在现有的日二氧化碳排放预测研究中，混合预测模型比单一机器学习模型应用更为广泛（Zhou等人，2024）。

目前用于日二氧化碳排放预测的混合模型主要包括分解-集成模型和特征增强融合模型（Hu等人，2025；Song等人，2025）。分解-集成模型通过时频分解方法对原始序列进行分解，降低非平稳性和噪声干扰，从而提高预测精度（Kong等人，2022；Song等人，2023）。特征增强融合模型则主要通过注意力机制和特征提取等技术，提升模型学习复杂非线性关系及关键变化特征的能力（Li等人，2024；Wang等人，2025）。然而，这些模型仍未充分解决断点问题。这类模型通常将日二氧化碳排放时间序列视为连续的输入序列，来学习整个历史序列中蕴含的驱动模式。而断点可能会将时间序列划分为多个具有不同统计特征和驱动机制的阶段，将整个序列作为输入可能会削弱模型学习有效历史模式的能力。因此，有必要进一步引入数据处理技术，以减轻断点对日二氧化碳排放预测的影响。

数据预处理方法可用于减轻断点的影响，提升时间序列输入的质量。在预测前对时间序列进行分段，可以降低断点带来的影响（Peng等人，2017）。根据断点位置对时间序列进行划分，有助于保持每个分段的相对稳定性，有效减少异常波动。时间序列的断点位置可通过断点检测算法来确定（Lin和Zhang，2022）。但由于不同算法的设计目的不同，用于检测不同类型的变化，因此单一算法可能难以全面识别复杂的二氧化碳排放时间序列中的断点（Adedoyin等人，2020；Cró和Martins，2017；Zhao等人，2023）。因此，应采用多种断点检测算法，以提高断点识别结果的完整性和可靠性。

虽然断点分割能够区分不同阶段的变动模式，但可能无法体现历史分段与当前分段之间的相似性。此外，机器学习模型的预测性能不仅取决于样本量，还与数据模式的稳定性和一致性有关（Mohammed等人，2025）。因此，应在断点分割后对历史分段进行进一步聚类，识别出在统计特征和变动模式上与当前分段相似的分段。

与原始序列相比，通过断点分割和聚类得到的聚合序列能有效降低断点影响。不过，这些聚合序列仍可能具有较高的复杂度和非线性，不适合直接用于预测（Song等人，2023）。因此，时间序列预测研究通常会引入时频分解技术，以提高复杂序列的预测性能。时频分解方法可以将复杂序列分解为多个相对简单且规律的子序列，降低噪声干扰，提升后续预测模型的性能（Deng等人，2025）。但时间序列分解得到的子序列在频率、趋势和复杂性方面存在差异，如果使用单一模型预测所有子序列，可能难以适应不同子序列的特性（Chen等人，2022）。因此，基于子序列分类的预测方式有助于提升模型对不同子序列的适应性。

基于对上述研究的综述，表1总结了二氧化碳排放预测及时间序列数据处理方法的代表性研究。如表1所示，目前的日二氧化碳排放预测研究仍存在一些局限性。首先，现有模型主要通过引入时频分解或特征增强方法来提升预测精度，而很少考虑断点导致的阶段差异及驱动机制的变化。其次，尽管时间序列预测研究已经发展出了断点检测和序列分割方法，但简单的分割方式可能会导致历史信息不足，且各分段之间的波动模式存在异质性。最后，现有的基于分解的混合模型通常侧重于降低原始序列的复杂度，而对分解后子序列之间的特征差异以及相应的模型适配问题关注不足。

为解决上述问题，本研究旨在开发一种改进的机器学习模型，该模型能够考虑断点事件，用于预测各行业的日二氧化碳排放量。具体实施步骤如下：首先，运用断点检测方法识别各行业日碳排放时间序列中的结构变化，并根据检测到的断点位置对原始序列进行分割。其次，根据每个序列片段的变化特征进行聚类分析，识别出变化模式与当前阶段相似的历史片段，并将其整合形成新的序列。接着，使用带自适应噪声的完全集成交叉经验模态分解法将整合后的序列分解为多个固有模态函数，随后基于IMF的复杂度分类进行预测。最后，通过对比实验评估模型的预测性能，验证各项关键数据处理步骤的有效性。同时结合断点事件分析和虚拟变量检验，进一步提升结果的实用可解释性和稳健性。本研究的主要贡献如下：
(1) 提出了一种基于断点分割和聚类的时间序列重建方法。该方法通过识别并保留与最新片段变化模式相似的历史片段，减少无关信息和波动的干扰，重建后的序列可作为后续分解和预测的高质量输入。
(2) 提出了一种基于复杂度分类的自适应预测方法。该方法能够有效应对断点分割和聚类后重建序列中仍存在的复杂性和非线性问题，同时提升预测模型对分解后子组件的适配能力。
(3) 通过结合基于断点检测的序列重建和基于复杂度分类的自适应预测，构建了一个能够考虑断点影响的自适应预测框架。该框架可以有效应对重大事件引发的不同阶段变化以及分解后子组件之间的异质性，从而实现具有准确性和情景敏感性的日二氧化碳排放预测。

本文的结构如下：第2节介绍本研究的方法论及所提出的模型；第3节分析数据来源及描述性统计指标；第4节为实验结果分析；第5节对相关结果进行讨论；第6节总结研究成果。

片段摘录
断点检测方法
Bai&Perron（BP）检验、迭代累积平方和（ICSS）算法以及Bernaola Galván（BG）算法分别基于均值变化、方差变化和局部结构变化来识别断点。因此，将这三种算法结合使用，可以实现不同检测结果的相互验证，提升断点识别的可靠性和稳健性。Bai & Perron检验基于多段线性回归框架，是

数据来源
本研究选取了中国六大行业作为研究对象，以评估所提模型的有效性及适用性。这六大行业包括国内航空、地面交通、工业、国际航空、电力和居民生活领域，相关数据来自Carbon Monitor平台。研究收集了2019年1月2日至2024年10月31日期间各行业的日二氧化碳排放数据，共计2130个观测值。需要说明的是，

断点检测
具体的参数组合见表3，候选值是根据以往研究确定的。其中，minL的范围是参考以往研究确定的，并进一步缩小了数值范围。maxN则在典型值的基础上向两侧扩展（Zeileis等人，2003）。临界值D*的范围则是在1.358这一标准值的基础上向两侧扩展（Inclan和Tiao，1994）。最小片段长度L的范围也进行了扩展

断点与重大事件关联性的验证
通过虚拟变量检验进一步分析检测到的断点与重大事件之间的关联。具体而言，在控制了时间趋势、月份效应和星期效应之后，为已知的事件发生时间点设置虚拟变量，然后对其进行显著性检验。
2020年1月23日、2022年3月28日和2023年1月8日被设定为疫情关键时间点的虚拟变量，通过显著性检验来分析这些时间点是否会对各行业的二氧化碳排放产生影响

结论
本研究提出了一种基于数据挖掘技术的机器学习模型，该模型能够考虑断点事件，有效应对各行业日二氧化碳排放时间序列中的断点效应及复杂波动。研究选取了中国六大行业作为模型验证对象，包括国内航空、地面交通、工业、国际航空、电力和居民生活领域。主要结论如下：
(1) 基于C

CRediT作者贡献声明
周宇欣：概念设计、方法论、软件工具、初稿撰写。赵顺玉：概念设计、软件工具、初稿撰写。熊颖：方法论、模型验证。王叶琳：可视化处理。李友杰：审稿与编辑工作。

利益冲突声明
作者声明不存在任何可能影响本文研究工作的已知财务利益或个人关系。

致谢
作者感谢匿名审稿人提出的宝贵意见，这些意见帮助我们大幅提升了本文的内容质量、表现水平。

周宇欣|赵顺玉|熊颖|王叶琳|李友杰