Study on the Intelligent Promotion Path of Green Port under the Carbon Peak and Carbon Neutral Strategy Based on Multi-Objective Genetic Algorithm
Notice bibliographique
Résumé
Under the background of carbon peak carbon neutrality, the competition among ports is not only the competition among terminal scale, throughput, and service level, but also the competition of low energy consumption and low pollution, and with the development of China's carbon trading mechanism, the cost of carbon emission has become more and more a part of the enterprise that cannot be ignored.In this paper, the berths and shore bridges of the port are taken as the target variables, and the fuel consumption in the process of ships traveling to the port is inferred according to the assumed conditions, and the BAP model under the carbon peak carbon neutrality is deduced, and the relevant constraints are proposed.The initial population is randomly generated, and the first generation of offspring population is obtained through the selection, crossover and mutation operations of multi-objective genetic algorithm, which then continues until the end conditions of the program are satisfied.Through the empirical method, comparing the effect of carbon cost optimization scheme generated by multi-objective genetic algorithm and traditional method, the value of the objective function under the multi-objective genetic algorithm model decreased by 10.48%, the operation cost of the port decreased by 4.54%, the cost of the ship's in-port time decreased by 24.9%, and the ship's average in-port time decreased by 11.01%, as compared with the traditional allocation scheme.The multi-objective genetic optimization model of berth shore bridge considering carbon cost can shorten the ship's time in port, which reduces the carbon emission from the side and achieves the promotion purpose of green port.In the model sensitivity analysis, with the increase of carbon trading price, the four indicators F, F1, F2 and T also showed linear growth, with the growth rate of 17.24%, 18.44%, 14.37% and 18.02%, respectively, and the model sensitivity is good.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».