System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及建筑环保,尤其涉及一种高速公路建设期碳排放核算及预测方法。
技术介绍
1、在目前的高速公路建设过程中,存在一些问题需要解决。首先,缺乏一个全面考虑高速公路整体碳排放的计算模型,现有技术主要集中于对不同单位工程进行独立计算,缺乏一个基于地域碳排放特点、涉及所有单位工程的综合计算方法。其次,现有的统计方式和计算模型主要关注基建产品的生命周期碳排放,而忽视了高速公路建设过程中征地平整对环境碳汇的影响,导致建设期碳排放结果不准确。此外,现有的碳排放预测方法只能根据项目实际情况构建,无法满足新建高速公路在可行性研究阶段对建设期碳排放进行预测的需求。
技术实现思路
1、本专利技术的目的是提出了一种完整、可行且计算结果准确的高速公路建设期碳排放核算方法。该方法综合考虑地域碳排放特点,并涵盖所有单位工程,从而能够全面评估高速公路整体碳排放强度。此外,本专利还提出了一种基于少量新建高速公路关键信息和相关数据的碳排放预测方法。该预测方法能够在高速公路可行性研究阶段快速预测不同路线方案的碳排放,为路线方案的比选提供数据支持。
2、为达到上述目的,本专利技术是按照以下技术方案实施的:
3、本专利技术高速公路建设期碳排放核算方法包括征地减少的植被碳汇量、材料生产碳排放量、材料运输碳排放量和施工过程碳排放量的总和,具体高速公路建设期碳排放核算方法构建如下:
4、e总=e植被碳汇减少量+e材料生产+e材料运输+e施工碳排
5、所述征地减少的植被碳汇量
6、
7、式中:fi为植被单位土地面积日固碳量,si为第i种植被单位土地面积,t为高速公路设计使用年限;
8、所述材料生产碳排放量的计算方法为生产单位此材料的碳排放因子乘以材料的消耗量,即:
9、
10、式中:aij表示第i类材料生产过程中第j类能源消耗量,efj表示第j类能源碳排放系数,qi表示第i种材料的消耗量;
11、所述材料运输碳排放量通过车辆运输能源排放因子的方法确定运输过程中的碳排放量,即:
12、
13、式中:qi表示第i种材料的运输量,di表示第i种材料的运输距离,单位km;vf表示第f种车辆运输速度,单位km/台班;aft表示第f种车辆运输过程中第t类能源消耗量,eft表示第t类能源碳排放系数;
14、所述施工过程碳排放量包括项目工程各单位工程的施工机械耗能、夜间施工照明用电消耗及项目营地工作人员活动消耗产生的碳排放,即:
15、e施工碳排放=e施工机械+e夜间照明+e人员活动
16、其中:
17、
18、式中:pi表示第i种施工机械的工作功率,hi表示第i种施工机械的工作时长,单位:台班;ηi表示第i种施工机械工作效率,efj表示第j类能源碳排放系数;
19、e夜间照明=i×ef电
20、式中:i表示夜间照明的耗电量,ef电表示国家电网发布的平均电力碳排放系数,单位为tco2/mwh;
21、
22、式中:rli表示人员活动过程消耗的第i类能源消耗量,rzi表示第i种化石燃料平均低位发热量,单位为gj/t或gj/m3;efi表示人员活动消耗的第i类能源碳排放因子,ace表示人员活动过程电力消耗量,efe表示国家电网公布的电力碳排放因子,单位为tco2/mwh。
23、本专利技术高速公路建设期碳排放预测方法包括以下步骤:
24、s1:碳排放影响指标选取:对碳排放影响因素的重要性评价分5个等级,其中5分表示该因素“非常重要”,4分表示该因素“重要”,3分表示该因素“一般重要”,2分表示该因素“不重要”,1分表示该因素“非常不重要”;
25、s2:碳排放数据提取:获取高速公路项目工程在建设期的实际碳排放活动水平数据,根据筛选的碳排放影响因素指标提取碳排放数据;
26、s3:碳排放数据处理:对数据进行归一化处理,即映射到[-1,1]范围内,即:
27、
28、式中:x表示归一化后的数据输入值,x0表示原始样本数据,xmin、xmax分别表示原始样本数据的最小值与最大值;
29、预测结束后,对预测结果进行反归一化处理,即:
30、
31、式中:y输出表示预测结果,ymin、ymax分别表示原始数据的最小值与最大值,y表示输出结果反归一化处理之后的数据;
32、s4:初始化bp神经网络:通过选取的不同数量碳排放影响指标进行数据代入神经网络拓扑结构;
33、s5:bp神经网络训练:将训练样本数据及初始化bp参数输入模型框架中进行算法运算,依次经过输入层、隐含层及输出层,最终得出预测结果;
34、s6:仿真分析:将碳排放影响指标代入预测方法中得出预测结果,将预测结果与实际碳排放计算数值进行对比进行仿真分析,若预测数据与实际计算数据在设定误差中,则符合预测结果,若预测结果与实际碳排放数值差距较大,则需要对相关误差进行反向传播从而对权重值进行修正,重新对预测神经网络进行训练,之后重复步骤s5,最后对比分析发现误差很小或者迭代次数达到条件下则结束操作。
35、本专利技术的有益效果是:
36、本专利技术是一种高速公路建设期碳排放核算及预测方法,与现有技术相比,本专利技术具有如下技术效果:
37、(1)能够方便企业对新建高速公路的碳排放强度进行预计,准确分析各子项对碳排放的贡献,精准控制重点工程的碳排放强度;
38、(2)加入征地拆迁等环境碳排放的核算,可以弥补当前高速公路建设期碳排放核算的数据缺失,更好地将工程项目建设与环境评价相结合;
39、(3)构建基于人工智能算法的碳排放预测方法,可有效解决高速公路项目工程在可行性研究阶段,需要在较短时间内,对新建高速公路路线方案的建设期碳排放进行预测,得到相关碳排放核算结果,为前期项目投资及方案设计提供数据指导等相关问题。
40、综上,本专利技术可以更准确地评估和预测高速公路建设期的碳排放情况。有助于企业在高速公路项目的可行性研究阶段,快速比较不同路线方案的碳排放水平,为决策提供科学的依据。本专利技术方法的应用将有助于减少高速公路建设期的碳排放,促进可持续发展和环境保护。
本文档来自技高网...【技术保护点】
1.一种高速公路建设期碳排放核算方法,其特征在于:包括征地减少的植被碳汇量、材料生产碳排放量、材料运输碳排放量和施工过程碳排放量的总和,具体高速公路建设期碳排放核算方法构建如下:
2.一种高速公路建设期碳排放预测方法,其特征在于,包括以下步骤:
3.根据权利要求2所述的高速公路建设期碳排放预测方法,其特征在于:所述步骤S5中BP神经网络训练的神经元的训练过程包括正向训练及反向训练,具体底层计算方法为:
【技术特征摘要】
1.一种高速公路建设期碳排放核算方法,其特征在于:包括征地减少的植被碳汇量、材料生产碳排放量、材料运输碳排放量和施工过程碳排放量的总和,具体高速公路建设期碳排放核算方法构建如下:
2.一种高速公路建设期...
【专利技术属性】
技术研发人员:龙伟,王引生,莫智彪,汪金辉,杨璐,许健,梁彦桐,熊模友,尹静,曾铁森,
申请(专利权)人:中铁交通投资集团有限公司,
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。