摘要
本发明公开了一种基于大数据的碳排放智能预测方法及系统,涉及碳排放监测技术领域,包括,采集碳排放关联数据,通过量子时空编码和时空格网对齐生成碳排放特征张量;基于碳排放特征张量,通过因果熵构建动态因果图网络,结合反事实干预和贝叶斯剔伪因果关系,生成因果权重矩阵;基于因果权重矩阵构建联邦学习框架,在云端部署联邦聚合器对各边缘节点的加密梯度进行聚合,并在联邦损失函数中嵌入因果正则项进行联合训练,生成全局碳排放预测模型;本发明通过利用量子比特叠加态映射和量子纠缠态关联技术,实现了工业传感器数据与卫星遥感数据等多源异构数据的高效融合。
技术关键词
排放智能
排放特征
工业物联网终端
卫星观测数据
大数据
生成碳
节点
量子纠缠态
卫星遥感数据
神经网络参数
矩阵
碳排放监测技术
注意力
动态
联合优化算法
加密
增量学习算法
云端
编码
系统为您推荐了相关专利信息
智能化技术
防控系统
联网设备
数据分析模块
数据采集模块
模型训练方法
产品推荐方法
训练特征
超参数
权重策略
存储数据隔离方法
概率密度曲线
邻域特征
模式
大数据平台