一种基于在线更新模型的碳排放预测方法技术

本发明专利技术提供了一种基于在线更新模型的碳排放预测方法，涉及一种碳排放预测方法，该方法包括以下步骤：收集人口总量、人均GDP、能源强度、碳排放强度、碳排放量数据；对数据集进行归一化处理；利用卡尔曼滤波（Kalman）算法在线更新随机配置网络（SCN）输出权重构建碳排放量预测模型；使用归一化处理以后的数据集对在线预测模型进行训练、校验；将与碳排放相关的影响因素数据和碳排放量历史数据输入预测模型，获取碳排放量预测值。本发明专利技术为碳排放量的预测提供了一种更加准确的在线预测方法。提供了一种更加准确的在线预测方法。提供了一种更加准确的在线预测方法。

【技术实现步骤摘要】
一种基于在线更新模型的碳排放预测方法


[0001]本专利技术涉及一种碳排放预测方法，特别是涉及一种基于在线更新模型的碳排放预测方法。

技术介绍

[0002][0003]现有碳排放预测方法多是基于历史数据构建离线模型，模型一经建立，不再更新。
[0004]由于碳排放过程具有强时变、非稳态特性，在碳排放量预测模型输入输出数据漂移时，基于离线模型得到的碳排放量预测结果往往不够准确。因此本专利技术建立一种能够在线更新的模型，克服时间序列数据漂移问题，增加碳排放量预测的准确性。

技术实现思路

[0005]本专利技术的目的在于提供一种基于在线更新模型的碳排放预测方法，本专利技术针对碳排放过程强时变和非稳态特性，建立一种能够在线更新的碳排放预测方法，该方法克服时间序列非平稳、时变和动态特性影响，实时捕获碳排放量模型输入输出关系，增加碳排放量预测的准确性。
[0006]本专利技术的目的是通过以下技术方案实现的：一种基于在线更新模型的碳排放预测方法，该方法基于在线更新模型的碳排放预测系统，包括一个或多个处理器以及存储程序指令的非暂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于在线更新模型的碳排放预测方法，其特征在于，该方法基于在线更新模型的碳排放预测系统，包括一个或多个处理器以及存储程序指令的非暂时性计算机可读存储介质，当一个或多个处理器执行程序指令时，一个或多个处理器用于实现碳排放预测方法；所述方法包括以下步骤：S1，收集碳排放相关影响因素数据和碳排放量历史数据并进行归一化处理；S2，利用卡尔曼滤波（Kalman）算法在线更新随机配置网络（SCN）输出权重构建碳排放量预测模型；S3，使用归一化后的数据集对在线预测模型进行训练、校验；S4，将实时碳排放影响因素数据和碳排放量历史数据输入预测模型得到碳排放量预测值，同时更新模型。2.如权利要求1所述的一种基于在线更新模型的碳排放预测方法，其特征在于，所述步骤S1包括如下具体步骤：S11，收集包括历史碳排放量、人口总量、人均 GDP、能源强度、碳排放强度在内的数据；S12，对数据集进行归一化处理。3.如权利要求1所述的一种基于在线更新模型的碳排放预测方法，其特征在于，所述步骤S2包括如下具体步骤：S21，SCN逐渐增加隐含层节点，并根据约束条件随机配置输入权重和偏置；具体地，SCN模型构建过程为：给定一组训练集，表示输入特征数据，，表示相应的输出值，；给定目标函数，假设已经构造了一个含有个隐含节点的随机配置网络，此时网络的输出为：（1）式中为隐含层第个节点的输出权重，为隐含层的激活函数，和为隐含层第个节点的输入权重和偏差；当前网络的残差为（2）如果大于预设的误差容忍度或隐含层的节点数未达到最大节点数，则需要基于约束条件式(6)，选取对应的，作为节点的输入权重和偏置生成一个新的随机基函数，即新增一个...

【专利技术属性】
技术研发人员：赵立杰，杨钦，张延华，杨嘉妮，刘凯，
申请(专利权)人：沈阳化工大学，
类型：发明
国别省市：