基于时序感知量子LSTM的碳排放预测方法及应用系统

本发明涉及深度学习算法和量子计算技术领域，尤其涉及一种基于时序感知量子LSTM的碳排放预测方法及应用系统；本发明的一种基于时序感知的量子长短期记忆网络，首先，采用不同维度的门控注意力机制对时序和特征维度进行特征融合提取，以捕捉不同维度上、同一维度间的重要信息；然后，经量子编码后的信息通过由辅助和特征量子位构成的无约束变分量子电路演化，其中量子电路由N体量子门搭建；在搭建无约束变分量子电路的组件的基础上，辅助量子位的引入可以帮助模型捕捉复杂的时序关系以实现增强时序信息表达的量子电路；最后，建立基于双阶段注意力学习的自回归预测模块，关注隐层状态信息和历史信息，增强模型处理长期依赖关系的能力。