一种基于TSA-ARIMA-CNN的企业碳排放预测方法技术

本发明专利技术涉及碳排放预测技术领域，公开了一种基于TSA‑ARIMA‑CNN的企业碳排放预测方法，包括：获取企业生产的历史碳排放时间序列数据，并对历史碳排放时间序列数据进行归一化处理。获取ARIMA模型的最优参数，并根据最优参数建立ARIMA模型。将RMSE和R2作为评价指标，并获取CNN模型的最优参数，建立CNN模型。将归一化处理后的历史碳排放时间序列数据代入ARIMA模型以及CNN模型进行预测，并获取ARIMA模型的碳排放预测序列以及CNN模型的碳排放预测序列。并基于特征选择算法进行选择或加权，并获取选择或加权后的预测结果，并将反归一化处理的预测结果设定为碳排放预测输出结果。本发明专利技术通过结合了传统时间序列分析和深度学习方法，提高了企业碳排放预测的准确性。

【技术实现步骤摘要】

本专利技术涉及碳排放预测，具体而言，涉及一种基于tsa-arima-cnn的企业碳排放预测方法。

技术介绍

1、矿业行业是一些工业国家重要的能源和原材料来源，在矿业生产作业的同时会排放大量的温室气体。温室气体过度排放会对环境造成严重的危害从而引起一系列的自然灾害，例如：加快冰雪融化造成海平面上升、气温升高和土地干旱等，因此有效减少温室气体的排放迫在眉睫。正因如此，对于矿山企业的碳排放的预测具有很大的研究价值，通过预测矿山企业的碳排放，可以有效评估矿山企业的潜在碳排放是否符合排放标准，从而减少温室气体的排放。

2、目前，在碳排放预测领域，大多使用单一的机器学习或深度学习模型如：支持向量机、神经网络等进行建模预测。由于矿业生产在不同时间生产量的不同和设备磨损等原因导致碳排放数据中存在线性和非线性特征，然而单一的模型很难同时捕捉数据中存在的线性和非线性特征，从而导致模型的预测精度较低。

3、因此，急需专利技术一种用于解决现有技术中单一模型难以捕捉碳排放数据中存在的线性和非线性特征，从而导致模型的预测精度较低的企业碳排放预测方法。

<本文档来自技高网...

【技术保护点】

1.一种基于TSA-ARIMA-CNN的企业碳排放预测方法，其特征在于，包括：

2.如权利要求1所述的基于TSA-ARIMA-CNN的企业碳排放预测方法，其特征在于，基于特征选择算法将所述ARIMA模型的碳排放预测序列以及所述CNN模型的碳排放预测序列进行选择或加权，并获取选择或加权后的预测结果时，包括：

3.如权利要求2所述的基于TSA-ARIMA-CNN的企业碳排放预测方法，其特征在于，将所述ARIMA模型的残差的绝对值的总和与所述CNN模型的残差的绝对值的总和之间大小关系，确定待定预测序列时，包括：

4.如权利要求3所述的基于TSA-ARIMA-...

【技术特征摘要】

1.一种基于tsa-arima-cnn的企业碳排放预测方法，其特征在于，包括：

2.如权利要求1所述的基于tsa-arima-cnn的企业碳排放预测方法，其特征在于，基于特征选择算法将所述arima模型的碳排放预测序列以及所述cnn模型的碳排放预测序列进行选择或加权，并获取选择或加权后的预测结果时，包括：

3.如权利要求2所述的基于tsa-arima-cnn的企业碳排放预测方法，其特征在于，将所述arima模型的残差的绝对值的总和与所述cnn模型的残差的绝对值的总和之间大小关系，确定待定预测序列时，包括：

4.如权利要求3所述的基于tsa-arima-cnn的企业碳排放预测方法，其特征在于，获取所述窗口内不同时间点的arima模型预测值的残差的绝对值的a值数量以及所述窗口内不同时间点的cnn模型预测值的残差的绝对值的a值数量，并获得arima模型和cnn模型预测序列的权重，以此确定待定预测序列时，包括：

5.如权利要求4所述的基于tsa-arima-cnn的企业碳排放预测方法，其...

【专利技术属性】
技术研发人员：孙乾，王玲，韩秀丽，陈丽芳，李存国，于晓东，刘淑贤，聂轶苗，
申请(专利权)人：华北理工大学，
类型：发明
国别省市：