【技术实现步骤摘要】
一种使用机器学习对区域二氧化碳排放预测的方法
[0001]本专利技术属于二氧化碳排放
，具体涉及一种使用机器学习对区域二氧化碳排放预测的方法。
技术介绍
[0002]区域二氧化碳排放量预测一直是气候变化研究领域中的重要的研究课题。目前，研究主要使用数学模型和统计模型预测区域二氧化碳排放量。主要的研究方法如下：一、基于数据驱动的模型：利用机器学习算法，例如神经网络、支持向量机、回归模型等，构建模型来预测区域的二氧化碳排放量。这些模型的基本思想是通过分析历史数据，预测未来的趋势。例如，研究人员可以使用过去的气象数据、经济指标、能源利用数据等来预测未来的二氧化碳排放量。二、基于物理模型的模拟：使用气候和能源模型来模拟区域的二氧化碳排放量。这些模型基于气候、经济和能源系统的基本物理原理，考虑了许多复杂的过程，如能源生产、消费、供应链、交通等。这些模型通常会预测未来几十年或世纪的气候变化和二氧化碳排放量。三、研究人员使用时间序列预测未来的区域二氧化碳排放量。这些模型使用历史数据来识别周期性，并使用这些信息来预测未来的趋势。例如，...
【技术保护点】
【技术特征摘要】
1.一种使用机器学习对区域二氧化碳排放预测的方法，其特征在于，包括以下步骤；S1：建立预测模型数据库；S2：从所述模型数据库中确定因变量和自变量；S3：根据需要预测的区域规划作为约束条件对特征量进行估算。2.根据权利要求1所述的使用机器学习对区域二氧化碳排放预测的方法，其特征在于：所述模型数据库包括所测算区域的历史各年二氧化碳排放总量、区域历史年度户籍人口、区域历史年度城镇化率、区域历史年度清洁电力消费比例、区域历史年度煤炭消费比重、区域历史年度单位GDP能耗、区域历史年度城镇家庭年均收入、区域历史年度民用车辆拥有量和区域历史年度第二产业产值。3.根据权利要求2所述的使用机器学习对区域二氧化碳排放预测的方法，其特征在于：所述因变量为从模型数据库中提取时间序列相同的历史各年二氧化碳排放总量；所述自变量为区域历史年度户籍人口、区域历史年度城镇化率、区域历史年度清洁电力消费比例、区域历史年度煤炭消费比重、区域历史年度单位GDP能耗、区域历史年度城镇家庭年均收入、区域历史年度民用车辆拥有量和区域历史年度第二产业产值；将所述因变量与自变量分为训练集与验证集。4.根据权利要求3所述的使用机器学习对区域二氧化碳排放预测的方法，其特征在于：将区域历史各年二氧化碳排放总量组成目标矩阵trG，矩阵大小为(n，1)且n≥15；将自变量组成特征矩阵trE，矩阵大小为(n，8)且n≥15；且将特征矩阵trE与目标矩阵trG的行数n需保持一致。5.根据权利要求4所述的使用机器学习对区域二氧化碳排放预测的方法，其特征在于：将所述特征矩阵trE与目标矩阵trG，通过惩罚系数为0.1的Lasso回归法进行拟合后可得到模型系数矩阵trW
c
，矩阵大小为(1，9)；提取矩阵参数后得多元区域碳排放预测模型为：C
f
＝a
×
Peo+b
×
Tc+c
×
Ce+d
×
Cr+e
×
E
gdp
+f
×
Ip+g
×
C
n
+h
×
GDP
second
+i其中，a的值为模型系数矩阵trW
c
中[1，1]的值；Peo为区域历史年度户籍人口；b的值为模型系数矩阵trW
c
中[1，2]的值；Tc为区域历史年度城镇化率；c为模型系数矩阵trW
c
中[1，3]的值；Ce为区域历史年度清洁电力消费比例；d为模型系数矩阵trW
c
中[1，4]的值；Cr为区域历史年度煤炭消费比重：e为模型系数矩阵trW
c
中[1，5]的值；E
gdp
为区域历史年度单位GDP能耗；f为模型系数矩阵...
【专利技术属性】
技术研发人员：王涵，白宏坤，王世谦，王圆圆，李秋燕，宋大为，卜飞飞，华远鹏，韩丁，贾一博，杨萌，李鹏，李虎军，刘军会，邓方钊，邓振立，赵文杰，杨钦臣，司佳楠，尹硕，金曼，柴喆，郭兴五，路尧，陈兴，张艺涵，李慧璇，郑永乐，谢安邦，祖文静，张泓楷，卢旭霆，王炯，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。