一种融合遥感图像和历史碳价格时序数据的城市碳价格预测方法技术

本发明专利技术公开了一种融合遥感图像和历史碳价格时序数据的城市碳价格预测方法，涉及机器学习人工智能以及遥感图像分析领域

【技术实现步骤摘要】
一种融合遥感图像和历史碳价格时序数据的城市碳价格预测方法


[0001]本专利技术涉及机器学习
、
遥感图像分析领域，具体涉及一种融合遥感图像和历史碳价格时序数据的城市碳价格预测方法
。

技术介绍

[0002]在极端天气事件和气候变化的背景下，减少碳排放已成为一个紧迫的全球性问题
。
为限制企业碳排放，中国已在北京
、
上海
、
广州等主要城市建立了试点碳交易市场
。
目前，中国的碳交易市场正从区域试点向全国统一过渡
。
此外，企业在生产活动中的碳排放需要通过排放交易体系购买相应的森林碳汇产品配额
。
这意味着，城市碳价格反映的是与产生碳排放的人类活动相关的费用
。
抵消碳排放的主要原因是提高森林固碳能力
。
这一框架使得城市碳价格与森林碳汇产品成为碳排放交易体系的基础
。
因此，城市碳价格作为一种监管工具，不仅可以鼓励企业减少碳排放，还可以指导政府制定类似的森林保护政策
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种融合遥感图像和历史碳价格时序数据的城市碳价格预测方法，包括如下步骤：步骤一
、
获取公开城市遥感
、
城市碳价格数据集，组成初始数据集；其中，遥感数据集要求包括目标区域的历史真彩色图像，云量控制在5％以下，城市历史碳价格数据集需是目标区域近年内的所有成交数据，两个数据集的时间跨度要保持一致，真彩色遥感图像用于特征提取，历史碳价格数据将最新一年数据划分为测试集，余下作为训练集
。
步骤二
、
将遥感图像分为多组图像数据，每一组用多个
224
×
224
的图像表示目标区域在当时时刻的状态
。
对历史碳价格数据进行整理，利用线性插值对缺失的时刻值填充，构建可直接输入模型的数据；步骤三
、
对碳价格数据进行归一化处理，并将时间顺序编码化，将年月日的位置也作为碳价格数据的属性
。
对遥感图像数据进行划分整理；步骤四
、
使用本文提供的
MFTSformer
模型，利用模型中的时间序列编码器和图像编码器对输入的数据进行特征提取
。
其中，
MFTSformer
包括两个结构，分别对应时间序列数据和遥感图像数据
。
步骤五
、
对时间序列编码器和图像编码器输出的特征进行融合处理，使用拼接对两个特征进行融合；步骤六
、
将融合特征输入
MFTSformer
中的解码器全连接层输出对应的预测值
。2.
如权利要求1所述的一种融合遥感图像和历史碳价格时序数据的城市碳价格预测方法，其特征在于，步骤一所述真彩色组合图像是指将
Red、Green、Blue
波段按
R、G、B
通道组合的
tif
格式图像；历史碳价格数据集是指城市近年的碳配额成交数据，具体包括最高价
、
最低价
、
涨跌幅
、
平均价
、
成交量和成交额等数据；两个数据集的时间跨度要保持一致是指遥感图像数据的时间要与碳价格数据的涵盖的时间相同
。3.
如权利要求1所述的一种融合遥感图像和历史碳价格时序数据的城市碳价格预测方法，其特征在于，步骤二具体包括：
A0、
逐个日期取出
n
×
m
大小的真彩色图像，其中
n
和
m
分别代表当前图像的行列像素点数
。A1、
将
n
×
m
大小的真彩色按
224
×
224
的像素大小取样；
A2、
设余数
k1
％
224
，
k2
＝
m
％
224
，若
k1
非0，则在
n
方向上取样时舍去最后
k1
个像素点，若
k2
非0，则在
m
方向上取样时舍去最后
k2
个像素点；
A3、
每个取样保存为
tif
文件，命名格式为日期
_
图片组合格式
_
列号行号
.tif
；其中日期为年月日，如

【专利技术属性】
技术研发人员：牟超，崔晓晖，陈志泊，谢政，杨世杰，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：