摘要
本申请涉及碳排放测算领域,其具体地公开了一种基于全生命周期的铁路交通工程碳排放评价系统及方法,其利用传感器组采集铁路交通工程的现场施工数据,并利用进行基于深度学习的人工智能技术对现场施工数据进行以天为单位的碳排放量核算,进而通过对工程施工已产生的碳排放数据进行基于多时域尺度的时序分析,以挖掘出碳排放量变化的规律性和趋势性特征,从而在此基础上智能估计铁路交通工程全生命周期的总碳排放量,进而结合预期总碳排放量,确定是否生成碳排放量拟超标预警提示,可以实现对铁路交通工程碳排放的实时监控和智能预警,有助于提前采取措施,优化工程设计,减少碳排放,实现绿色低碳的铁路交通工程。
技术关键词
铁路交通工程
排放量
评价系统
编码向量
时序特征
时域特征
传感器组
生成碳
数据
队列
动态
余弦函数值
编码模块
LSTM模型
序列
人工智能技术
解码器
度量
系统为您推荐了相关专利信息
环境感知数据
融合特征
共享单车调度方法
分层强化学习
动态变化特征
智能预警方法
多模态生理
患者
非线性特征
时域特征
短期电力负荷预测
注意力机制
记忆单元
时序特征
数据
优化调控方法
深度强化学习
风光储
电池储能系统
鲸鱼优化算法
监测点
隧道
GRU神经网络
安装监测系统
静态特征