一种基于居住区空间形态的碳排放量预测方法技术

本发明专利技术公开了一种基于居住区空间形态的碳排放量预测方法，包括：获取样本数据；样本数据包括居住区空间形态特征参数和与居住区单位面积碳排放值；根据空间形态特征参数建立初步预测模型；根据模型结果对模型进行参数优化；输出最终预测模型，获得预测结果；根据居住区空间形态参数建立了居住建筑单位面积碳排放预测模型，通过预测模型可以为规划中的居住小区、居住建筑提供碳排放总量评估和减碳建议，相较于传统线性回归预测模型、本模型具有更高的精度。更高的精度。更高的精度。

【技术实现步骤摘要】
一种基于居住区空间形态的碳排放量预测方法


[0001]本专利技术涉及二氧化碳预测
，具体涉及一种基于居住区空间形态的碳排放量预测方法。

技术介绍

[0002]碳排放引发的全球变暖问题已成为世界关注的焦点，我国是碳排放大国，城市是碳排放的主体，我国约有85％碳排放来源于城市，根据相关统计数据，中国居住能耗占城市建筑部门能耗的16％
‑
25％。住区作为居住的基本单元，其整体碳排放水平与居住区空间形态密切相关。
[0003]目前居住区碳排放计算依赖于单体建筑能耗模拟，受到住区空置率和居住特点差异，模拟结果与实际碳排放千差万别，基于能耗软件的统一模拟往往很难准确核算不同住区的燃气碳排放。同时能耗模拟结果很难应用与城市规划管理，不适应未来城市可持续发展需求。
[0004]因此如何从规划领域入手实现居住区碳排放的准确预测，成为亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种基于居住区空间形态的碳排放量预测方法，以解决现有技术中基于能耗软件的统一模拟对不同住区的燃气碳排放核算准确度不够高，无法对接城市规划和城市管理的问题。
[0006]本专利技术实施例提供了一种基于居住区空间形态的碳排放量预测方法，包括：
[0007]获取样本数据；样本数据包括居住区空间形态特征参数与居住区单位用地面积碳排放值；根据空间形态特征参数建立初步预测模型；
[0008]根据模型结果对模型进行参数优化；
[0009]输出最终预测模型，获得预测结果。
[0010]可选地，居住区空间形态参数包括：容积率、建筑密度、平均层数、地块长宽比。
[0011]可选地，所述的基于居住区空间形态的碳排放量预测方法，其特征在于，根据空间形态特征参数建立初步预测模型包括：
[0012]用极端梯度提升算法建立所述预测模型；
[0013]通过所述预测模型特征训练所述初步预测模型；
[0014]可选地，根据初步预测模型训练结果对模型进行参数优化包括：
[0015]对数据集按照3:1的比例随机划分10个训练集和测试集；
[0016]在划分的10个训练集和测试集进行模型重复训练；
[0017]通过tuned_data函数对10个模型进行参数优化以获得最佳结果；
[0018]可选地，通过tuned_data函数对10个模型进行参数优化以获得最佳结果包括：
[0019]评判模型结果的指标包括决定系数和均方误差，将决定系数用R2表示，均方误差用MSE表示，计算每个所述模型的决定系数和均方误差：
[0020][0021][0022]其中，表示真实值与预测值的平方差之和，表示真实值与均值的平方差之和。根据决定系数的取值判定模型的好坏，其取值范围为[0,1]：
[0023]如果结果是0，说明模型拟合效果很差；
[0024]如果结果是1，说明模型无错误。
[0025]根据MSE的取值判定模型预测能力的好坏。
[0026]可选地，根据所述输出最终预测模型，获得预测结果包括：
[0027]用优化极端梯度提升算法所得模型参数建立所述最终预测模型；
[0028]通过所述预测模型特征训练所述最终预测模型；
[0029]将待测居住区空间形态参数代入所述预测模型，获得所述待测居住区的预测单位用地面积碳排放量；
[0030]可选地，根据权利要求1所述的基于居住区空间形态的碳排放量预测方法，其特征在于，所述居住区单位用地面积碳排放值的计算如下：
[0031][0032]其中，E为居住区单位用地面积碳排放量，P
i
为统计一年居住区i种能源消耗量，D
i
为i种能源的二氧化然排放因子，S为居住区的用地面积。
[0033]可选地，在根据空间形态特征参数建立初步预测模型之前，还包括：采用数据空值填充规则对所述样本数据进行预处理；
[0034]对所述样本数据的各个特征进行归一化处理。
[0035]可选地，对所述样本数据的各个特征进行归一化处理包括：
[0036][0037]其中，X为所述样本数据的特征值，X
min
为所述特征值的最小值，X
max
为所述特征值的最大值，X
std
为所述特征值的归一化结果。
[0038]可选地，通过所述预测模型特征训练所述最终预测模型：
[0039]获取每个所述最终预测模型的预测结果：
[0040][0041]其中，为所述预测结果，j为自然数，f
j
表示第j棵树的模型函数，x
j
为所述预测模型特征；
[0042]选取最优预测模型：
[0043][0044]其中，y
t
表示经过训练的第t棵树的优化预测结果，t∈[1，n]，N为样本数据总数，Ω(f
i
)表示正则项优化函数，为误差函数。
[0045]本专利技术实施例提供的一种基于居住区空间特征的碳排放预测方法，根据居住区空间形态指标建立了居住单位用地面积碳排放预测模型，通过预测模型可以为规划中的居住小区、居住用地提供减碳建议，相较于传统线性回归预测模型、本模型具有更高的精度。本预测模型将规划居住小区空间形态指标输入预测模型，得出规划小区居住区的单位用地面积碳排放量，在未来城市规划中，通过模型预测可以比选确定最低碳的居住区规划形式，实现了居住区规划时控制碳排放量的目标。
附图说明
[0046]通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，在附图中：
[0047]图1示出了本专利技术实施例一种基于居住区空间特征的碳排放预测方法的流程图；
[0048]图2示出了本专利技术实施例中一种预测结果与实际结果的拟合曲线对比图。
具体实施方式
[0049]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0050]本专利技术实施例提供了一种基于居住区空间特征的碳排放预测方法，如图 1所示，包括：
[0051]步骤S10，获取样本数据。样本数据包括居住区空间形态特征参数与居住区单位用地面积碳排放值。
[0052]在本实施例中，居住区空间形态特征参数包括容积率、建筑密度、平均层数、地块长宽比；其中，地块长宽比指居住区地块南北向长度与东西向长度的比值。例如同一地区中高层小区和多层小区在容积率、建筑排布上有很大的差异，因此造成了能耗的差异。通过居住区空间规划参数可以将不同类型小区分类，使居住区的空间特征碳排放量互相关联，针对同一地区不同开发类型的小区，均能够本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于居住区空间形态的碳排放量预测方法，其特征在于，包括：获取样本数据；所述样本数据包括居住区空间形态特征参数与居住区单位用地面积碳排放值；根据空间形态特征参数建立初步预测模型；根据模型结果对模型进行参数优化；输出最终预测模型，获得预测结果。2.根据权利要求1所述的基于居住区空间形态的碳排放量预测方法，其特征在于，所述居住区空间形态特征参数包括：容积率、建筑密度、平均层数、地块长宽比，同时获取居住区单位用地面积碳排放。3.根据权利要求1所述的基于居住区空间形态的碳排放量预测方法，其特征在于，根据空间形态特征参数建立初步预测模型：用极端梯度提升算法建立初步预测模型；通过预测模型特征训练所述初步预测模型。4.根据权利要求1所述的基于居住区空间形态的碳排放量预测方法，其特征在于，根据初步预测模型训练结果对模型进行参数优化包括：对数据集按照3:1的比例随机划分10个训练集和测试集；在划分的10个训练集和测试集进行模型重复训练；通过tuned_data函数对10个模型进行参数优化以获得最佳结果。5.根据权利要求4所述的基于居住区空间形态的碳排放量预测方法，其特征在于，通过tuned_data函数对10个模型进行参数优化以获得最佳结果包括：评判模型结果的指标包括决定系数和均方误差，将决定系数用R2表示，均方误差用MSE表示，计算每个所述模型的决定系数和均方误差：计算每个所述模型的决定系数和均方误差：其中，表示真实值与预测值的平方差之和，表示真实值与均值的平方差之和，根据决定系数的取值判定模型的好坏，决定系数取值范围为[0,1]，如果决定系数是0，说明模型拟合效果差，如果决定系数是1，说明模型无错误；根据MSE的取值判定模型预测能力的好坏。6.根据权利要求4所述的基于居住区空间形态的碳排放量预测方法，其特征在于，根据所述最终预测模型，获得预...

【专利技术属性】
技术研发人员：王一帆，李泽圣，袁大昌，
申请(专利权)人：天津大学，
类型：发明
国别省市：