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】
本专利技术涉及碳排放,尤其涉及一种碳排放数据分析管理方法、装置、设备及存储介质。
技术介绍
1、当今全球面临着日益严峻的环境挑战,其中之一就是碳排放问题。大量的碳排放对气候变化和生态系统造成了巨大影响,因此各国纷纷采取措施限制和管理碳排放。然而,由于监测区域广阔、数据量庞大、复杂性高等因素,如何高效地监测、采集、清洗、存储和分析碳排放数据成为了一个迫切需要解决的技术难题。
2、传统的碳排放数据管理方法中,数据的来源和准确性往往难以保证,并且采用中心化的数据存储和管理方式,使得数据容易受到篡改或操控。此外,由于参与方之间的数据共享和交流相对困难,导致了信息不对称和透明度不足的问题,使得数据的分析和管理变得复杂。
3、上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供了一种碳排放数据分析管理方法、装置、设备及存储介质,旨在传统的碳排放数据管理方法中,由于数据采用中心化的数据存储和管理方式,碳排放数据可靠性和安全性较差的技术问题。
2、为实现上述目的,本专利技术提供了一种碳排放数据分析管理方法,所述方法包括以下步骤:
3、提取待监测区域的区域特征数据,并基于所述区域特征数据配置数据采集层;
4、通过数据集中接口读取所述数据采集层的监测数据集,并基于所述监测数据集建立监测关联节点;
5、通过第一自适应清洗窗口和第二自适应清洗窗口对所述监测数据集的
6、通过所述监测关联节点配置关联延时,并基于所述关联延时和所述第一清洗结果进行关联清洗,生成第二清洗结果;
7、将所述第二清洗结果输入至智能分析模型执行碳排放分析管理。
8、可选地,所述通过第一自适应清洗窗口和第二自适应清洗窗口对所述监测数据集的同节点数据进行时序清洗,生成第一清洗结果之前,还包括:
9、对所述监测数据集内的节点数据进行分析,获得所述节点数据的波动时序;
10、对所述节点数据进行异常定位,生成异常定位结果;
11、根据所述波动时序和所述异常定位结果建立定位关联;
12、以所述定位关联作为生成约束,基于所述生成约束和窗口构建决策网络构建第一自适应清洗窗口和第二自适应清洗窗口。
13、可选地,所述对所述节点数据进行异常定位,生成异常定位结果包括:
14、调用所述监测关联节点的历史监测数据;
15、基于所述历史监测数据进行时间周期分割,获得所述监测关联节点各个时间周期下的稳态均值;
16、通过所述稳态均值对所述节点数据进行异常定位,获得异常定位结果。
17、可选地,所述通过所述监测关联节点配置关联延时,并基于所述关联延时和所述第一清洗结果进行关联清洗,生成第二清洗结果,包括:
18、将所述监测关联节点之间的处理延时作为关联延时,并根据所述监测关联节点构建碳排放监测关联;
19、基于所述关联延时对所述监测数据集内的节点数据进行时序回溯,获得时序回溯结果;
20、对所述时序回溯结果进行随机点采样,获得所述碳排放监测关联的平均误差;
21、根据所述平均误差对所述第一清洗结果进行关联清洗,生成第二清洗结果。
22、可选地,所述对所述时序回溯结果进行随机点采样,获得所述碳排放监测关联的平均误差,包括:
23、对所述时序回溯结果进行随机点采样,获取随机采样点数据;
24、计算所述随机采样点数据的单点误差,并基于所述单点误差构建单点误差集;
25、对所述单点误差集进行误差聚类,获取最大误差聚类组;
26、求取所述最大误差聚类组的聚类均值,将所述聚类均值作为所述碳排放监测关联的平均误差。
27、可选地,所述将所述第二清洗结果输入至智能分析模型执行碳排放分析管理,包括:
28、将所述第二清洗结果存储至n个存储设备,并建立一致性验证机制;
29、在所述第二清洗结果存在数据异常或触发预设验证周期时,通过一致性验证机制对所述n个存储设备进行共识验证,获得共识验证结果;
30、根据所述共识验证结果对所述n个存储设备内的数据进行更新;
31、将更新完成的第二清洗结果输入至智能分析模型,执行碳排放分析管理。
32、可选地,所述将更新完成的第二清洗结果输入至智能分析模型,执行碳排放分析管理,包括:
33、对所述监测数据集对应的来源特征进行时序分析,获得时序主成分分析结果;
34、根据所述时序主成分分析结果对所述更新完成的第二清洗结果进行降维处理,获得降维处理结果;
35、将所述降维处理结果输入至智能分析模型,执行碳排放分析管理。
36、此外,为实现上述目的,本专利技术还提出一种碳排放数据分析管理装置,所述装置包括:
37、数据提取模块,用于提取待监测区域的区域特征数据,并基于所述区域特征数据配置数据采集层;
38、数据集建立模块,用于通过数据集中接口读取所述数据采集层的监测数据集,并基于所述监测数据集建立监测关联节点;
39、时序清洗模块,用于通过第一自适应清洗窗口和第二自适应清洗窗口对所述监测数据集的同节点数据进行时序清洗,生成第一清洗结果;
40、关联配置模块,用于通过所述监测关联节点配置关联延时,并基于所述关联延时和所述第一清洗结果进行关联清洗,生成第二清洗结果;
41、验证分析模块,用于将所述第二清洗结果输入至智能分析模型执行碳排放分析管理。
42、此外,为实现上述目的,本专利技术还提出一种碳排放数据分析管理设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的碳排放数据分析管理程序,所述碳排放数据分析管理程序配置为实现如上文所述的碳排放数据分析管理方法的步骤。
43、此外,为实现上述目的,本专利技术还提出一种存储介质,所述存储介质上存储有碳排放数据分析管理程序,所述碳排放数据分析管理程序被处理器执行时实现如上文所述的碳排放数据分析管理方法的步骤。
44、本专利技术首先提取待监测区域的区域特征数据,并基于所述区域特征数据配置数据采集层;然后通过数据集中接口读取所述数据采集层的监测数据集,并基于所述监测数据集建立监测关联节点;接着通过第一自适应清洗窗口和第二自适应清洗窗口对所述监测数据集的同节点数据进行时序清洗,生成第一清洗结果;再通过所述监测关联节点配置关联延时,并基于所述关联延时和所述第一清洗结果进行关联清洗,生成第二清洗结果;最后将所述第二清洗结果输入至智能分析模型执行碳排放分析管理。由于本专利技术通过配置关联延时,可保证数据的准确性和一致性,避免了传统的碳排放数据管理采用中心化存储和管理的情况,最后将第二清洗结果输入至智能分析模型执行碳排放分析管理,本文档来自技高网...
【技术保护点】
1.一种碳排放数据分析管理方法,其特征在于,所述碳排放数据分析管理方法包括:
2.如权利要求1所述的碳排放数据分析管理方法,其特征在于,所述通过第一自适应清洗窗口和第二自适应清洗窗口对所述监测数据集的同节点数据进行时序清洗,生成第一清洗结果之前,还包括:
3.如权利要求2所述的碳排放数据分析管理方法,其特征在于,所述对所述节点数据进行异常定位,生成异常定位结果包括:
4.如权利要求1所述的碳排放数据分析管理方法,其特征在于,所述通过所述监测关联节点配置关联延时,并基于所述关联延时和所述第一清洗结果进行关联清洗,生成第二清洗结果,包括:
5.如权利要求4所述的碳排放数据分析管理方法,其特征在于,所述对所述时序回溯结果进行随机点采样,获得所述碳排放监测关联的平均误差,包括:
6.如权利要求1所述的碳排放数据分析管理方法,其特征在于,所述将所述第二清洗结果输入至智能分析模型执行碳排放分析管理,包括:
7.如权利要求6所述的碳排放数据分析管理方法,其特征在于,所述将更新完成的第二清洗结果输入至智能分析模型,执行碳排放
8.一种碳排放数据分析管理装置,其特征在于,所述装置包括:
9.一种碳排放数据分析管理设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的碳排放数据分析管理程序,所述碳排放数据分析管理程序配置为实现如权利要求1至7中任一项所述的碳排放数据分析管理方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有碳排放数据分析管理程序,所述碳排放数据分析管理程序被处理器执行时实现如权利要求1至7任一项所述的碳排放数据分析管理方法的步骤。
...【技术特征摘要】
1.一种碳排放数据分析管理方法,其特征在于,所述碳排放数据分析管理方法包括:
2.如权利要求1所述的碳排放数据分析管理方法,其特征在于,所述通过第一自适应清洗窗口和第二自适应清洗窗口对所述监测数据集的同节点数据进行时序清洗,生成第一清洗结果之前,还包括:
3.如权利要求2所述的碳排放数据分析管理方法,其特征在于,所述对所述节点数据进行异常定位,生成异常定位结果包括:
4.如权利要求1所述的碳排放数据分析管理方法,其特征在于,所述通过所述监测关联节点配置关联延时,并基于所述关联延时和所述第一清洗结果进行关联清洗,生成第二清洗结果,包括:
5.如权利要求4所述的碳排放数据分析管理方法,其特征在于,所述对所述时序回溯结果进行随机点采样,获得所述碳排放监测关联的平均误差,包括:
6.如权利要求1所述的...
【专利技术属性】
技术研发人员:谷琼,吴慧龙,魏希三,宁彬,胡春阳,花俏枝,刘家磊,华丽,蔡博俊,王琦,
申请(专利权)人:湖北文理学院,
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。