摘要
本发明公开了面向智能制造的施工过程碳排放预测方法,涉及碳排放数据处理技术领域,包括采集碳排放数据、采用基于稀疏特征的自编码器进行特征降维、采用基于量子叠加态的神经网络作为特征提取模型,本发明对高维碳排放特征的降维与压缩,使用稀疏特征自编码器,通过稀疏正则化对施工数据进行非线性降维,减少特征冗余并增强对关键特征的捕捉能力。本发明针对复杂非线性碳排放数据建模,采用基于量子叠加态的神经网络模型,通过量子态叠加实现参数初始化的全局优化能力,增强模型在复杂非线性数据环境下的适应性。
技术关键词
排放预测方法
稀疏特征
拉普拉斯噪声
非线性
动态
量子态
能量耗散控制方法
冗余特征
编码器训练
数据
双曲正切函数
特征提取模型
节点数
降维特征
索引
正则化参数
神经网络模型
矩阵