基于多源数据和深度学习的建筑级生活源CO2排放预测方法

本发明涉及碳清单编制、深度学习技术等领域，公开了基于多源数据和深度学习的建筑级生活源CO2排放预测方法，包括：获取多源数据集，数据集为计算区域高时空分辨率网格人口活动水平数据、建筑物矢量数据、区域POI数据、区域气象数据；对多源数据集进行预处理，包括网格人口数据空间填补、网格分配、建筑物信息关联、建筑物与POI数据联合；利用时空图卷积网络算法构建基于气象、POI特征的逐小时网格人口活动水平预测模型；将网格人口活动水平通过网格建筑体量比例分配，获得建筑尺度人口活动水平；结合生活源CO2排放基础调查数据搭建建筑尺度生活源CO2排放核算模型，输出建筑级生活源CO2排放预测结果。