摘要
一种交通运输业碳排放预测方法及其系统,涉及交通运输业碳排放预测领域。为了解决现有的模型不能应对多维度、多变量的复杂场景、现有模型的预测精度低、适用范围窄、泛化能力差的缺陷,本发明分析影响因素,基于STIRPAT模型分析影响因素;通过逐步回归分析法筛选影响因素,并将符合筛选条件的影响因素作为变量;结合自上而下法来对省级交通运输业能源消耗产生的碳排放总量进行测算;基于CNN‑BiLSTM‑Attention模型构建预测模型,通过历史碳排放量数据对所述预测模型进行优化,利用PSO算法自动调整模型的超参数;对预设年度的碳排放数据进行预测。本发明主要用于交通运输业的碳排放预测。
技术关键词
交通运输业
排放预测方法
构建预测模型
排放量
时间序列数据处理
算法
评估预测模型
时间滑动窗口
超参数
预测系统
变量
粒子
网络
新能源汽车
指标
误差
总量
模块
系统为您推荐了相关专利信息
螺旋传输装置
状态空间预测
构建预测模型
双伺服电机同步
增量式PID控制
反馈控制量
轨迹跟踪控制方法
状态空间方程
反馈控制器
离散系统
生成优化建议
长短期记忆网络
港口设备
施工设备
LNG燃料船舶
排放预测方法
集成深度学习
实时数据处理
预训练模型
报告生成技术
调控系统
多尺度
数据采集层
动态优化控制
物联网传感器网络