摘要
本发明公开了一种基于深度学习的高速公路养护碳排放计量核算方法,包括以下步骤:步骤一:数据收集与预处理:收集高速公路养护施工区的历史数据;步骤二:基于神经网络的全局敏感性分析:建立输入参数与输出碳排放之间的映射关系,计算各参数的Sobol指数或SHAP值,量化参数对碳排放的敏感性,识别出对碳排放影响显著的关键参数;步骤三:碳排放计量模型构建:基于敏感性分析的结果,选择对碳排放影响显著的关键参数作为输入,构建碳排放计量模型,使其预测不同施工条件下的碳排放量;步骤四:GAN驱动的驾驶行为建模:将生成的驾驶轨迹数据输入到碳排放计量模型中;步骤五:GNN增强动态交互建模;步骤六:时空Transformer实时数据融合。
技术关键词
高速公路养护施工
核算方法
条件生成对抗网络
实时数据
GAN模型
节点
指数
排放量
轨迹
交通流预测
动态
注意力
构建深度神经网络
关键参数识别
训练深度神经网络
效应
深度神经网络模型
系统为您推荐了相关专利信息
时间序列特征
sigmoid函数
模型算法
车辆运行数据
特征提取模块
云端服务器
智能交通系统
能耗优化方法
节点
策略
三维动态模型
评估系统
火灾场景
深度神经网络模型
异常点
数据管理系统
制药工艺
数据转发单元
数据服务器
人机交互单元
数字孪生
车间
虚拟三维场景
信息采集单元
图像采集单元