考虑驱动因素波动的碳排放集成预测方法、设备及介质

AITNT
正文
推荐专利
考虑驱动因素波动的碳排放集成预测方法、设备及介质
申请号:CN202411575159
申请日期:2024-11-06
公开号:CN119514868A
公开日期:2025-02-25
类型:发明专利
摘要
本发明公开了考虑驱动因素波动的碳排放集成预测方法、设备及介质,涉及碳排放预测技术领域。预测方法包括:基于时间序列模型和多因素模型建立碳排放量的集成预测模型;采用蒙特卡洛法对影响碳排放量的驱动因素进行动态情景模拟,得到驱动因素的波动范围;在所波动范围内对驱动因素进行随机抽样,得到多组抽样结果;将多组抽样结果分别输入集成预测模型进行预测,得到对应于各组抽样结果的碳排放量预测结果;基于碳排放量预测结果的置信区间得到预测的碳排放区间。本发明通过构建不同的时间序列方法与多因素预测方法结合的碳排放集成预测模型,通过蒙特卡洛模拟考虑了未来碳排放影响因素的不确定性,提高了碳排放预测的准确性和稳定性。
技术关键词
集成预测方法 时间序列模型 遗传算法优化神经网络 排放量 蒙特卡洛 长短期记忆网络 模型预测值 碳排放预测技术 指标 样本 反演方法 粒子群算法优化 进出口产品 灰色预测模型 序列方法 情景 训练集 处理器 表达式 贸易
系统为您推荐了相关专利信息
1
基于策略梯度的深度强化学习多任务资源分配方法
资源分配方法 运动轨迹数据 传感器设备 策略 多任务
2
一种基于ICA-DVA分析预测锂离子电池SOH和RUL的方法
二阶等效电路模型 锂离子电池 电压 重构 电池管理系统
3
基于BP神经网络的变压器内部绝缘寿命预测方法及系统
蚂蚁 历史运行数据 节点 寿命预测方法 寿命预测系统
4
多重动力吸振器稳健化优化设计方法及系统
优化设计方法 振动系统 进化算法 场景 数学模型
5
基于深度学习的光模块多参数自动调试方法
光模块参数 自动调试方法 多参数 联合损失函数 构建深度神经网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号