【技术实现步骤摘要】
本专利技术属于碳排放预测与时间序列分析领域，具体涉及一种基于融合多尺度特征提取与时序依赖分析的航运业碳排放预测方法。
技术介绍
1、随着全球航运业绿色转型的加速推进，碳排放预测在能效管理、排放核算与减排路径中日益发挥关键作用。然而，航运碳排放受政策法规、燃料结构调整、运营效率波动等多因素影响，呈现出显著的非线性与多尺度特征，对预测模型的精度与适应性提出更高要求。
2、传统的碳排放预测方法以统计计量模型和时间序列模型为主，如arima、sarima模型等(余航.基于arima模型的我国碳排放量的预测[j].经济师,2018,(06):59-60.；wangw,niuz.dataanalysis inlos angeles long beachwithseasonal time series model[c]//2010ieee international conference on data mining workshops.ieee,2010:113-120.；王勇,许子易,张亚新.中国超大城市碳排放达峰的影响因素及组合情景...
【技术保护点】
1.一种基于融合多尺度特征提取与时序依赖分析的航运业碳排放预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于融合多尺度特征提取与时序依赖分析的航运业碳排放预测方法，其特征在于，所述采用完全集合经验模态分解自适应噪声技术对预处理后的数据进行多尺度分解，包括：
3.根据权利要求2所述的基于融合多尺度特征提取与时序依赖分析的航运业碳排放预测方法，其特征在于，步骤1)中每个白噪声的系数均为k0；步骤2)中每个白噪声的系数均为k1，k1等于k0乘以第一阶残差序列的标准差；步骤3)中添加在第k阶残差序列上的每个白噪声的系数均为kk，kk等于...
【技术特征摘要】
1.一种基于融合多尺度特征提取与时序依赖分析的航运业碳排放预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于融合多尺度特征提取与时序依赖分析的航运业碳排放预测方法，其特征在于，所述采用完全集合经验模态分解自适应噪声技术对预处理后的数据进行多尺度分解，包括：
3.根据权利要求2所述的基于融合多尺度特征提取与时序依赖分析的航运业碳排放预测方法，其特征在于，步骤1)中每个白噪声的系数均为k0；步骤2)中每个白噪声的系数均为k1，k1等于k0乘以第一阶残差序列的标准差；步骤3)中添加在第k阶残差序列上的每个白噪声的系数均为kk，kk等于k0乘以第k阶残差序列的标准差。
4.根据权利要求2所述的基于融合多尺度特征提取与时序依赖分析的航运业碳排放预测方法，其特征在于，步骤1)中，第一imf和第一阶残差序列的计算公式分别为：
5.根据权利要求1所述的基于融合多尺度特征提取与时序依赖分析的航运业碳排放预测方法，其特征在于，所述将多尺度分解的结果输入至tran...
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。