摘要
本发明涉及一种碳排放预测模型的训练方法,属于碳排放预测的技术领域,解决了现有技术预测精度不高的问题。方法包括:获取建筑单位的历史碳排放量和对应的碳排放相关因素数据;基于历史碳排放量和对应的碳排放相关因素数据构建训练样本集;构建多步时序预测模型用于预测未来多个时间步的碳排放量;多步时序预测模型包括:静态特征提取模块,用于基于静态数据提取静态特征;时序特征提取模块,用于基于多维时序数据提取时序特征;特征融合模块,用于将静态特征和时序特征融合;预测模块,用于基于融合后的特征预测未来多个时间步的碳排放量;基于训练样本集对多步时序预测模型进行训练得到碳排放量预测模型。实现了精确的建筑单位碳排放预测。
技术关键词
时序预测模型
多维时序数据
排放量
周期性特征
特征提取模块
序列
时序特征
静态特征提取
训练样本集
标签
二维卷积网络
深度特征提取
滑动窗口
建筑
系统为您推荐了相关专利信息
电解铝负荷
画像构建方法
配额
聚类
数据采集策略
特征提取模块
贝叶斯神经网络
飞行器
特征值
非瞬时性计算机可读存储介质
指标预测方法
容量管理系统
时序预测方法
时序预测模型
多头注意力机制
检测点
时序预测模型
信号
风险检测方法
计算机执行指令
轴承故障诊断方法
数据训练神经网络
机器可读指令
执行故障诊断
标签