一种碳排放测算模型及对比评价方法及其应用技术

一种碳排放测算模型及对比评价方法，包括构建灰色关联分析GRA模型提取主要碳排放影响因素：计算碳排放影响因素对碳排放的影响程度值，将影响程度值进行排序，分析并提取主要碳排放影响因素；构建IRE‑SVM算法对碳排放数据进行预测，结合筛选出的主要碳排放影响因素，优化IRE‑SVM算法并引入偏置误差控制项，以获得无偏估计降低预测误差，通过对碳排放数据进行机器学习，从而生成碳排放预测数据；利用碳排放因子法，得出年度碳排放量测算数据；根据对比测算结果和实际结果的评价指标，构建评价模型，建立结果对比模块，对比评价年度碳排放量预测结果与实际结果，验证IRE‑SVM算法模块的有效性。

【技术实现步骤摘要】

本专利技术涉及一种评价方法，尤其是涉及一种碳排放测算模型及对比评价方法及其应用。

技术介绍

1、传统的基于集成学习思想的支持向量机算法(re-svm)的缺点：对噪声和异常值敏感性较高、鲁棒性较弱、泛化能力有限的问题，如现有技术：基于emd-svr的pm2.5浓度预测模型方法研究(孙真真，燕山大学，2020.)，该方法针对pm2.5浓度数据的非线性问题，利用emd算法将其分解为相对平稳的分量序列；利用svr算法对分量序列进行预测；将分量序列预测值相加求和，得出pm2.5浓度预测值。

2、灰色关联模型关联序结果的稳定性检验方法及应用(杨绍闻，党耀国，王俊杰等.[j].控制与决策，2023，38(06)：1679-1686.d0l：10.13195/j.kzyjc.2022.0536.)，该方法以序列间对应观测点的数值差异作为构造序列间量级大小变化的最简单元，用以表征和定义序列间的相近性灰色关联度，引入信息熵的基本思想，基于序列间量级大小变化的最简单元构建信息灰熵作为相近性视角下序列间关系稳定程度的度量标准；然后，通过将研究对象的行为序列平均划分为不本文档来自技高网...

【技术保护点】

1.一种碳排放测算模型及对比评价方法，其特征为：

2.根据权利要求1所述的碳排放测算模型及对比评价方法，其特征为，所述步骤1进一步包括如下内容：

3.根据权利要求1所述的碳排放测算模型及对比评价方法，其特征为，所述步骤1进一步包括如下内容：所述提取主要碳排放影响因素包括如下内容：各种电力消费数据、能源数据和经济数据潜在的碳排放影响因素，作为灰色关联分析模型的输入，筛选出最终的碳排放影响因素。

4.根据权利要求1所述的碳排放测算模型及对比评价方法，其特征为，所述步骤1进一步包括如下内容：将各影响因素与碳排放之间灰色关联度值按照大小进行排序。

...

【技术特征摘要】

1.一种碳排放测算模型及对比评价方法，其特征为：

2.根据权利要求1所述的碳排放测算模型及对比评价方法，其特征为，所述步骤1进一步包括如下内容：

3.根据权利要求1所述的碳排放测算模型及对比评价方法，其特征为，所述步骤1进一步包括如下内容：所述提取主要碳排放影响因素包括如下内容：各种电力消费数据、能源数据和经济数据潜在的碳排放影响因素，作为灰色关联分析模型的输入，筛选出最终的碳排放影响因素。

4.根据权利要求1所述的碳排放测算模型及对比评价方法，其特征为，所述步骤1进一步包括如下内容：将各影响因素与碳排放之间灰色关联度值按照大小进行排序。

5.根据权利要求1所述的碳排放测算模型及对比评价方法，其特征为，所述步骤2进一步包括如下内容：所述优化ire-svm算法具体优化过程如下：

6.根据权利要求1所述的碳排放...

【专利技术属性】
技术研发人员：陈翔，杨维，周春雷，袁启恒，王永利，李熠，宋金伟，江鹏，史昕，李燕溪，
申请(专利权)人：国家电网有限公司大数据中心，
类型：发明
国别省市：