基于贡倍兹定律的碳排放预测方法及系统技术方案

本发明专利技术提供一种基于贡倍兹定律的碳排放预测方法及系统，属于碳排放检测技术领域，包括：获取当前时刻的碳排放量；使用预先训练好的碳排放预测模型，对获取的当前时刻的碳排放量进行处理，得到下一时刻的碳排放量预测结果；其中，预先训练好的碳排放量预测模型为基于贡倍兹定律结合分数阶累加构建的灰色贡倍兹模型，并结合鲸鱼优化算法训练得到。本发明专利技术基于碳排放量满足贡倍兹定律描述，预测准确度高，稳定性好；构建的分数阶累加灰色贡倍兹预测模型计算简便快捷，计算量小，效率高；适合长期的碳排放量准确稳定预测。期的碳排放量准确稳定预测。期的碳排放量准确稳定预测。

【技术实现步骤摘要】
基于贡倍兹定律的碳排放预测方法及系统


[0001]本专利技术涉及碳排放检测
，具体涉及一种基于贡倍兹定律和分数阶灰色模型的碳排放预测方法及系统。

技术介绍

[0002]过量的二氧化碳排放造成了一系列的社会和环境问题，严重威胁着人类的生存和社会发展。碳排放的增加已成为制约全球经济可持续发展的重要因素。二氧化碳排放预测越来越受到人们的重视，准确预测碳排放不仅可以为决策者提供依据，特别是在区块链技术快速发展的今天，还可以改善碳排放管理。目前，现有的针对碳排放预测的预测方法，主要分为基于统计分析模型、非线性规划模型和灰色预测模型三大类。基于统计分析模型的预测方法定额的准确性差，可靠性差，对历史统计数据的完整性和准确性要求高，且统计数据选择不当会严重影响预测结果标准的科学性，只反映历史的情况而不反映现实条件的变化对标准的影响；非线性规划模型计算复杂，计算量大，效率低；而灰色预测只适合短期预测、指数增长型的预测，对于近年来符合贡倍兹(Gompertz)定律描述碳排放增长的的规律不适用。

技术实现思路

[0003]本专利技术的目的在于提供一种基于贡倍兹定律和分数阶灰色模型的碳排放预测方法及系统，以解决上述
技术介绍
中存在的至少一项技术问题。
[0004]为了实现上述目的，本专利技术采取了如下技术方案：
[0005]一方面，本专利技术提供一种基于贡倍兹定律的碳排放预测方法，包括：
[0006]获取当前时刻的碳排放量；
[0007]使用预先训练好的碳排放预测模型，对获取的当前时刻的碳排放量进行处理，得到下一时刻的碳排放量预测结果；其中，预先训练好的碳排放量预测模型为基于贡倍兹定律结合分数阶累加构建的灰色贡倍兹模型，并结合鲸鱼优化算法训练得到。
[0008]优选的，假设时刻t的碳排放量为x
(1)
(t)，则碳排放量的相对增长率g(t)为：
[0009][0010]假设碳排放量相对增长率是随时间相关的，随着当前规模x
(1)
(t)呈指数下降，则碳排放量的相对生长表示为：
[0011][0012]其中，k0为任意正常数，c为碳排放承载能力；
[0013]那么用对数运算为：
[0014][0015]即
[0016][0017][0018]则通过Gompertz定律引入：即为贡倍兹微分方程。
[0019]优选的，碳排放的观测结果只是一个离散时间序列，根据差分信息原理对所述贡倍兹微分方程进行变换和离散化，以适应灰色信息的特点；假设初始观测序列是x
(0)
＝(x
(0)
(1),x
(0)
(2),...,x
(0)
(n))
T
，则x
(1)
(t)为从初始点到时刻t的碳排放量的累积值，其中t＝1,2,
…
,n；
[0020]x
(1)
(t)在[k
‑
1,k]这段时间内的变化速率为：
[0021][0022]其中，x
(0)
(k)是灰色导数，即为x
(1)
(t)的灰色导数序列，在[k
‑
1,k]周期内代替
[0023]灰色导数的背景值z
(1)
(k)为：
[0024]x
(1)
(t)
[k
‑
1,k]≈px
(1)
(k)+(1
‑
p)x
(1)
(k
‑
1)＝z
(1)
(k)
[0025]其中p∈[0,1]；
[0026]则定义灰色模型为：
[0027]x
(0)
(k)+az
(1)
(k)＝bz
(1)
(k)ln(z
(1)
(k))
[0028][0029]其中，b为基础系数，a为相对容量系数。
[0030]优选的，以分数阶累加代替一阶累积生成矩阵，即x
(r)
＝A
r
x
(0)
；则分数阶累加灰色贡倍兹模型的定义形式为：
[0031][0032]x
(r
‑
1)
(k)+az
(r)
(k)＝bz
(r)
(k)ln(z
(r)
(k))
[0033]其中x
(r
‑
1)
(k)＝x
(r)
(k)
‑
x
(r)
(k
‑
1)，z
(r)
(k)＝px
(r)
(k)+(1
‑
p)x
(r)
(k),k＝2,3,
…
,n
[0034]分数阶累加灰色贡倍兹模型的增白微分方程为：
[0035][0036]优选的，假设P＝(a,b)
T
为分数阶累加灰色贡倍兹模型的参数序列，则P的最小二乘估计记为乘估计记为
[0037]其中，
[0038][0039]优选的，对于给定的起点x
(r)
(1)＝x
(0)
(1)，分数阶累加灰色贡倍兹模型的解，即时间响应函数为：
[0040][0041]根据时间响应函数，则由得到初始序列的预测。
[0042]第二方面，本专利技术提供一种基于贡倍兹定律的碳排放预测系统，包括：
[0043]获取模块，用于获取当前时刻的碳排放量；
[0044]预测模块，用于使用预先训练好的碳排放预测模型，对获取的当前时刻的碳排放量进行处理，得到下一时刻的碳排放量预测结果；其中，预先训练好的碳排放量预测模型为基于贡倍兹定律结合分数阶累加构建的灰色贡倍兹模型，并结合鲸鱼优化算法训练得到。
[0045]第三方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如上所述的基于贡倍兹定律和分数阶灰色模型的碳排放预测方法。
[0046]第四方面，本专利技术提供一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行时，用于实现如上所述的基于贡倍兹定律和分数阶灰色模型的碳排放预测方法。
[0047]第五方面，本专利技术提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如上所述的基于贡倍兹定律和
分数阶灰色模型的碳排放预测方法的指令。
[0048]本专利技术有益效果：基于碳排放量满足贡倍兹定律描述，预测准确度高，稳定性好；构建的分数阶累加灰色贡倍兹预测模型计算简便快捷，计算量小，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贡倍兹定律的碳排放预测方法，其特征在于，包括：获取当前时刻的碳排放量；使用预先训练好的碳排放预测模型，对获取的当前时刻的碳排放量进行处理，得到下一时刻的碳排放量预测结果；其中，预先训练好的碳排放量预测模型为基于贡倍兹定律结合分数阶累加构建的灰色贡倍兹模型，并结合鲸鱼优化算法训练得到。2.根据权利要求1所述的基于贡倍兹定律的碳排放预测方法，其特征在于，假设时刻t的碳排放量为x
(1)
(t)，则碳排放量的相对增长率g(t)为：假设碳排放量相对增长率是随时间相关的，随着当前规模x
(1)
(t)呈指数下降，则碳排放量的相对生长表示为：其中，k0为任意正常数，c为碳排放承载能力；那么用对数运算为：即即则通过Gompertz定律引入：即为贡倍兹微分方程。3.根据权利要求2所述的基于贡倍兹定律的碳排放预测方法，其特征在于，碳排放的观测结果只是一个离散时间序列，根据差分信息原理对所述贡倍兹微分方程进行变换和离散化，以适应灰色信息的特点；假设初始观测序列是x
(0)
＝(x
(0)
(1),x
(0)
(2),...,x
(0)
(n))
T
，则x
(1)
(t)为从初始点到时刻t的碳排放量的累积值，其中x
(1)
(t)在[k
‑
1,k]这段时间内的变化速率为：其中，x
(0)
(k)是灰色导数，即为x
(1)
(t)的灰色导数序列，在[k
‑
1,k]周期内代替
灰色导数的背景值z
(1)
(k)为：x
(1)
(t)|
[k
‑
1,k]
≈px
(1)
(k)+(1
‑
p)x
(1)
(k
‑
1)＝z
(1)
(k)其中p∈[0,1]；则定义灰色模型为：x
(0)
(k)+az
(1)
(k)＝bz
(1)
(k)ln(z
(1)
(k))其中，b为基础系数，a为相对容量系数。4.根据权利要求3所述的基于贡倍兹定律的碳排放预测方法，其特征在于，以分数阶累加代替一阶累积生成矩阵，即x
(r)
＝A
r<...

【专利技术属性】
技术研发人员：邢亚虹，赵海波，李琦，宋晓俊，段慧，胡恩德，
申请(专利权)人：国网山西省电力公司经济技术研究院，
类型：发明
国别省市：