【技术实现步骤摘要】
本申请涉及碳排放领域，具体而言，涉及一种基于深度学习实现环境保护下的碳排放分析方法及系统。
技术介绍
1、碳排放核算是衡量从工业活动到地球生物圈直接和间接排放二氧化碳及其等效气体的措施，是指导排放企业按照监测计划收集、统计和记录与碳排放有关的数据，并计算所有与排放有关的数据的活动的统称。碳排放核算可以直接量化碳排放的数据，也可以通过分析各个环节的碳排放数据，找出潜在的减排环节和方法，这对实现碳中和目标和企业运行至关重要。现有的碳排放分析方法中无法根据不同区域内的环境保护条例生成不同的约束条件，从而难以精准的建立碳排量分析模型，造成分析模型输出结果误差较大，分析模型的输出结果偏离实际结果，影响碳排量分析的精度；针对上述问题，目前亟待有效的技术解决方案。
技术实现思路
1、本申请实施例的目的在于提供一种基于深度学习实现环境保护下的碳排放分析方法及系统，通过深度学习技术不断的对分析模型进行训练，提高优化模型的输出精度，并通过环境保护条例对优化模型添加约束条件，输出精准的碳排放分析数据，提高分析精度。
2、本申请实施例还提供了一种基于深度学习实现环境保护下的碳排放分析方法，包括：
3、设定分析区域，根据大数据提取分析区域内的历史碳排放数据；
4、构建分析模型，根据历史碳排放数据输入分析模型进行训练，得到优化模型；
5、根据环境保护条例分析碳排放限制信息，根据碳排放限制信息生成约束条件；
6、将约束条件添加至优化模型对模型参数进行调
7、将碳排放分析数据传输至终端。
8、可选地，在本申请实施例所述的基于深度学习实现环境保护下的碳排放分析方法中，设定分析区域，根据大数据提取分析区域内的历史碳排放数据，具体包括：
9、设定分析面积，根据分析面积划定分析区域，分析区域的面积与分析面积相同；
10、搜寻分析区域的边缘信息，根据边缘信息生成边缘线，根据边缘线将分析区域进行等区域划分，生成若干个子区域；
11、分别获取若干个子区域内的历史碳排放数据，并提取碳排放数据特征；
12、将碳排放数据特征进行归一化处理，并将每一个子区域处理后的碳排放数据进行融合，得到分析区域的历史碳排放数据。
13、可选地，在本申请实施例所述的基于深度学习实现环境保护下的碳排放分析方法中，将碳排放数据特征进行归一化处理，并将每一个子区域处理后的碳排放数据进行融合，得到分析区域的历史碳排放数据，具体包括：
14、获取每一个子区域的碳排放数据特征，判断同一子区域内的碳排放数据特征是否处于设定的特征区间；
15、若处于设定的特征区间，则保留碳排放数据特征；
16、若不处于设定的特征区间，则生成修正信息，根据修正信息对碳排放数据特征进行修正；
17、不同子区域的碳排放数据特征进行单独归一化处理，且不同子区域设定的特征区间不同，设定的特征区间与子区域一一对应；
18、将所有子区域保留的碳排放数据特征与所有子区域修正后的碳排放数据特征进行融合，得到分析区域的历史碳排放数据。
19、可选地，在本申请实施例所述的基于深度学习实现环境保护下的碳排放分析方法中，构建分析模型，根据历史碳排放数据输入分析模型进行训练，得到优化模型，具体包括：
20、构建分析模型，将不同子区域的历史碳排放数据按照不同比例进行生成不同数据量的数据集，得到训练数据集；
21、将训练数据集输入分析模型进行迭代训练，得到训练结果；
22、判断所述训练结果是否收敛；
23、若收敛，则生成优化模型；
24、若不收敛，则调整不同子区域的历史排放数据量的比例，得到新的训练集对分析模型进行二次训练，直至分析模型收敛。
25、可选地，在本申请实施例所述的基于深度学习实现环境保护下的碳排放分析方法中，根据环境保护条例分析碳排放限制信息，根据碳排放限制信息生成约束条件，具体包括：
26、根据环境保护条例分析不同子区域的碳排放限制信息，根据不同子区域的权重信息，生成对应子区域的权重系数；
27、根据不同子区域的碳排放限制信息得到不同子区域的约束条件；
28、根据不同子区域的权重系数对不同子区域的约束条件进行权重优化，得到最终的约束条件。
29、可选地，在本申请实施例所述的基于深度学习实现环境保护下的碳排放分析方法中，将约束条件添加至优化模型对模型参数进行调整，根据调整后的优化模型输出碳排放分析数据，具体包括：
30、将约束条件添加至优化模型，生成约束参数；
31、根据约束参数生成调整信息，判断所述调整信息是否大于或小于设定的调整阈值；
32、若大于设定的调整阈值，则重新建立分析模型，并判断新的分析模型与约束条件的匹配度；
33、判断所述匹配度是否满足要求，若满足要求，则将新的分析模型替换原始的分析模型；
34、若不满足要求，则调整约束参数；
35、若小于设定的调整阈值，则根据调整信息对模型参数进行调整，根据调整后的优化模型输出碳排放分析数据。
36、第二方面，本申请实施例提供了一种基于深度学习实现环境保护下的碳排放分析系统，该系统包括：存储器及处理器，所述存储器中包括基于深度学习实现环境保护下的碳排放分析方法的程序，所述基于深度学习实现环境保护下的碳排放分析方法的程序被所述处理器执行时实现以下步骤：
37、设定分析区域，根据大数据提取分析区域内的历史碳排放数据；
38、构建分析模型，根据历史碳排放数据输入分析模型进行训练，得到优化模型；
39、根据环境保护条例分析碳排放限制信息，根据碳排放限制信息生成约束条件；
40、将约束条件添加至优化模型对模型参数进行调整，根据调整后的优化模型输出碳排放分析数据；
41、将碳排放分析数据传输至终端。
42、可选地，在本申请实施例所述的基于深度学习实现环境保护下的碳排放分析系统中，设定分析区域，根据大数据提取分析区域内的历史碳排放数据，具体包括：
43、设定分析面积，根据分析面积划定分析区域，分析区域的面积与分析面积相同；
44、搜寻分析区域的边缘信息，根据边缘信息生成边缘线，根据边缘线将分析区域进行等区域划分，生成若干个子区域；
45、分别获取若干个子区域内的历史碳排放数据，并提取碳排放数据特征；
46、将碳排放数据特征进行归一化处理，并将每一个子区域处理后的碳排放数据进行融合，得到分析区域的历史碳排放数据。
47、可选地，在本申请实施例所述的基于深度学习实现环境保护下的碳排放分析系统中，将碳排放数据特征进行归一化处理，并将每一个子区域处理后的碳排放数据进行融合，得到分析区域的历史碳排放数据，具体包括本文档来自技高网...
【技术保护点】
1.一种基于深度学习实现环境保护下的碳排放分析方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，设定分析区域，根据大数据提取分析区域内的历史碳排放数据，具体包括：
3.根据权利要求2所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，将碳排放数据特征进行归一化处理，并将每一个子区域处理后的碳排放数据进行融合，得到分析区域的历史碳排放数据，具体包括：
4.根据权利要求3所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，构建分析模型，根据历史碳排放数据输入分析模型进行训练，得到优化模型，具体包括：
5.根据权利要求4所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，根据环境保护条例分析碳排放限制信息，根据碳排放限制信息生成约束条件，具体包括：
6.根据权利要求5所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，将约束条件添加至优化模型对模型参数进行调整，根据调整后的优化模型输出碳排放分析数据，具体包括：
7.一种
8.根据权利要求7所述的基于深度学习实现环境保护下的碳排放分析系统，其特征在于，设定分析区域，根据大数据提取分析区域内的历史碳排放数据，具体包括：
9.根据权利要求8所述的基于深度学习实现环境保护下的碳排放分析系统，其特征在于，将碳排放数据特征进行归一化处理，并将每一个子区域处理后的碳排放数据进行融合，得到分析区域的历史碳排放数据，具体包括：
10.根据权利要求9所述的基于深度学习实现环境保护下的碳排放分析系统，其特征在于，构建分析模型，根据历史碳排放数据输入分析模型进行训练，得到优化模型，具体包括：
...【技术特征摘要】
1.一种基于深度学习实现环境保护下的碳排放分析方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，设定分析区域，根据大数据提取分析区域内的历史碳排放数据，具体包括：
3.根据权利要求2所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，将碳排放数据特征进行归一化处理，并将每一个子区域处理后的碳排放数据进行融合，得到分析区域的历史碳排放数据，具体包括：
4.根据权利要求3所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，构建分析模型，根据历史碳排放数据输入分析模型进行训练，得到优化模型，具体包括：
5.根据权利要求4所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，根据环境保护条例分析碳排放限制信息，根据碳排放限制信息生成约束条件，具体包括：
6.根据权利要求5所述的基于深度学习实现环境保护下的碳排放分析方法，其特征在于，将约束条...
【专利技术属性】
技术研发人员：王洋，王杰，魏亚楠，
申请(专利权)人：山西卓昇环保科技有限公司，
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。