本发明专利技术公开了一种碳排放预测方法、电子设备和计算机可读介质，该碳排放预测方法包括：收集能源消耗、经济增长率、发电量、碳排放指标等相关数据，采用广义迪氏指数分解法对影响贡献进行量化，选择相关性较强的影响因素；利用粒子群优化的两阶段XGBoost算法预测未来的碳排放趋势，对某区域的实际数据验证了该方法的有效性，并进行了实例预测分析。
【技术实现步骤摘要】
本专利技术属于碳排放测量，具体涉及一种碳排放预测方法、电子设备和计算机可读介质。
技术介绍
1、为了实现碳减排目标，加大环境保护力度，提高能源利用效率，有必要探索和分析碳排放的驱动因素，碳排放通常受到人口、经济、技术进步和工业结构等因素的综合影响。在研究影响碳排放的因素时，主流的方法包括对数平均迪克西指数分解法和stirpat模型回归分析法。在碳排放因子的分解和预测方面仍存在一些问题和挑战。首先，现有的碳排放因子分解和预测模型分析影响过于简化、数据缺失、样本容量不足等。其次，影响碳排放的因素非常复杂，需要考虑多种因素的相互作用和影响，因此如何有效地提取和分析各影响因素的信息仍需深入研究。
技术实现思路
1、第一方面，本公开实施例提供了一种碳排放预测方法，包括如下步骤：
2、s1：获取碳排放数据，对碳排放数据进行gdim分析，根据贡献率选择碳排放驱动因素并构成数据集；
3、s2：基于xgboost算法构建碳排放预测模型，利用数据集对碳排放预测模型进行训练；
>4、s3：利用训练本文档来自技高网...
【技术保护点】
1.一种碳排放预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的碳排放预测方法，其特征在于：步骤S1获取的碳排放数据包括能源消耗、经济增长率、发电量、碳排放指标。
3.如权利要求1所述的碳排放预测方法，其特征在于：获取碳排放数据后，对碳排放数据进行预处理，对预处理后的碳排放数据进行GDIM分析。
4.如权利要求1所述的碳排放预测方法，其特征在于：基于XGBoost算法构建碳排放预测模型，具体包括：基于两阶段XGBoost算法构建碳排放预测模型，其中，第一阶段XGBoost目标函数表示为:
5.如权利要求1或4所述的碳排放预测方法，...
【技术特征摘要】
1.一种碳排放预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的碳排放预测方法，其特征在于：步骤s1获取的碳排放数据包括能源消耗、经济增长率、发电量、碳排放指标。
3.如权利要求1所述的碳排放预测方法，其特征在于：获取碳排放数据后，对碳排放数据进行预处理，对预处理后的碳排放数据进行gdim分析。
4.如权利要求1所述的碳排放预测方法，其特征在于：基于xgboost算法构建碳排放预测模型，具体包括：基于两阶段xgboost算法构建碳排放预测模型，其中，第一阶段xgboost目标函数表示为:
5.如权利要求1或4所述的碳排放预测方法，其特征在于：步骤s2还包括：通过粒...
【专利技术属性】
技术研发人员：樊立攀，张成，徐琰，明东岳，傅晨，夏天，张娟，陈经纬，胡亚天，彭鸿桢，魏伟，余鹤，郑欣，雷鸣，
申请(专利权)人：国网湖北省电力有限公司营销服务中心计量中心，
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。