【技术实现步骤摘要】
本专利技术涉及碳排放预测，具体地指一种基于组合预测模型的区域碳排放量预测系统及方法。
技术介绍
1、现阶段针对碳排放预测的研究成果，主要可分为两大类分别是基于模型驱动和基于数据驱动。
2、第一种方法的优点是对数据的需求量较小，只需要历史数据，但同时也存在“惯性”问题，即对数据波动的反应存在滞后现象，并且预测时无法反应未来已制定政策对数据的影响。常用的方法包括arima模型(autoregressive integrated moving averagemodel，自回归积分滑动平均模型)、灰色预测模型、指数平滑法、神经网络模型等。第二种方法通过建立因素分解模型预测碳排放趋势，能根据未来政策规划预测碳排放，但是局限在需要对多个数据进行预测，存在一定主观性。
技术实现思路
1、本专利技术的目的就是要提供一种基于组合预测模型的区域碳排放量预测系统及方法，本专利技术有效组合模型中时间序列的线性和非线性关系，同时将政策规划对碳排放的影响引入模型中，最后将各种模型通过不同权重进行组合，明显
【技术保护点】
1.一种基于组合预测模型的区域碳排放量预测系统，其特征在于：它包括历史数据获取模块、碳排放量折算模块、第一区域碳排放量预测模块、分析预测模块、第二区域碳排放量预测模块和最终区域碳排放量预测模块；
2.根据权利要求1所述的基于组合预测模型的区域碳排放量预测系统，其特征在于：所述时间序列预测模型为构建因素的递归方程，通过对碳排放量历史数据的拟合得到。
3.根据权利要求1所述的基于组合预测模型的区域碳排放量预测系统，其特征在于：分析预测模块将碳排放量历史数据代入arima滑动自回归移动平均模型得到碳排放影响因素各年预测的结果。
4.根据权...
【技术特征摘要】
1.一种基于组合预测模型的区域碳排放量预测系统，其特征在于：它包括历史数据获取模块、碳排放量折算模块、第一区域碳排放量预测模块、分析预测模块、第二区域碳排放量预测模块和最终区域碳排放量预测模块；
2.根据权利要求1所述的基于组合预测模型的区域碳排放量预测系统，其特征在于：所述时间序列预测模型为构建因素的递归方程，通过对碳排放量历史数据的拟合得到。
3.根据权利要求1所述的基于组合预测模型的区域碳排放量预测系统，其特征在于：分析预测模块将碳排放量历史数据代入arima滑动自回归移动平均模型得到碳排放影响因素各年预测的结果。
4.根据权利要求1所述的基于组合预测模型的区域碳排放量预测系统，其特征在于：电力碳排与对应碳排放量的线性或非线性方程为：
5.根据权利要求1所述的基于组合预测模型的区域碳排放量预测系统，其特征在于：所述arima滑动自回归移动平均模型为：
...
【专利技术属性】
技术研发人员：张亚静，王函韵，曹宇，蒋建杰，谭琛，谭将军，王守琴，王涛，刘慧勇，黄继华，华明玉，
申请(专利权)人：国家电网有限公司，
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。