【技术实现步骤摘要】
本专利技术涉及碳排放，具体为基于区块链的碳排放监测方法。
技术介绍
1、传统的碳排放监测方法面临着数据采集困难、监测精度低、数据安全性和信任度不足等多重挑战。为了克服这些难题，提高碳排放监测的效率和准确性，同时确保数据的安全和不可篡改性，本专利技术提出了一种基于区块链的碳排放监测方法，通过集成先进的数据处理和机器学习技术，实现了对工业碳排放的高效监测和管理。
2、申请号为cn202311493041.4的中国专利技术专利提出一种基于帕累托策略的组合启发式碳排放优化方法，搭建碳排放预测优化模型，包括碳达峰输入模块、能源消费预测模块、能源系统优化模块和碳排放评估反馈模块，获取能源消费碳排放相关数据并输入碳达峰输入模块，采用lmdi因素分解法对能源碳排放驱动因素进行分解，基于分解结果筛选出输入数据，能源消费预测模块对输入数据进行运算处理，得到预测结果，能源系统优化模块接收预测结果并采用碳排放优化目标模型对预测结果求解并扩展优化，得到优化结果，碳排放评估反馈模块对优化结果进行评估，并结合lmdi分解结果设定碳减排路径。该方法在优化过...
【技术保护点】
1.基于区块链的碳排放监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于区块链的碳排放监测方法，其特征在于：得到训练好的增强非线性混合整数规划SMOTE算法的具体过程为：
3.根据权利要求2所述的基于区块链的碳排放监测方法，其特征在于：其中，原始碳排放监测数据集内数据的类别不平衡度通过比较各类别数据数量的比率来定量评估，类别为正常排放的数据数量为，类别为异常排放的数据数量为，原始碳排放监测数据集内数据类别不平衡度表示为：
4.根据权利要求3所述的基于区块链的碳排放监测方法，其特征在于：使用扩充数据对涡动优化神经网络进...
【技术特征摘要】
1.基于区块链的碳排放监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于区块链的碳排放监测方法，其特征在于：得到训练好的增强非线性混合整数规划smote算法的具体过程为：
3.根据权利要求2所述的基于区块链的碳排放监测方法，其特征在于：其中，原始碳排放监测数据集内数据的类别不平衡度通过比较各类别数据数量的比率来定量评估，类别为正常排放的数据数量为，类别为异常排放的数据数量为，原始碳排放监测数据集内数据类别不平衡度表示为：
4.根据权利要求3所述的基于区块链的碳排放监测方法，其特征在于：使用扩充数据对涡动优化神经网络进行训练的过程如下：
5.根据权利要求4所述的基于区块链的碳排放监测方法，其特征在于：其中，基于第个涡旋和第个涡旋之间距离的调节函数的计算方式采用指数衰减模型来反映涡旋间相互作用力随距离增加而减弱的特性，表示为：
6.根据权利要求5所述的基于区块链的碳排放监测方法，其特征在于：对基于张量分解与优化的自编码神经网络进行训练的具体过程为：
7.根据权利要求6所述的基于...
【专利技术属性】
技术研发人员：付理祥，蔡礼，舒恋，龚跃文，杨启超，彭俊，周露，周召平，汪游胤，万震骏，
申请(专利权)人：国网江西省电力有限公司南昌供电分公司，
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。