[發明專利]一種社區碳排放監測和預測系統及方法

有效

• 申請號: 202010152433.4
• 申請日: 2020-03-06
• 公開（公告）號: CN111445060B
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 謝澤瓊;袁文輝;高學農;房俊東;江宗彬;汪曉陽
• 申請（專利權）人: 華南理工大學珠海現代產業創新研究院;華南理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/12;G01D21/02
• 代理公司: 廣州圣理華知識產權代理有限公司 44302
• 代理人: 董覺非;王平

1.一種社區碳排放監測和預測系統，其特征在于，包括碳排放監測模塊和碳排放預測模塊；

所述碳排放監測模塊包括數據采集模塊和數據分析模塊，所述數據采集模塊用于對社區碳排放活動數據和碳排放預測所需輸入參數進行采集，所述輸入參數包括人均居民消費支出、社區居民常住人口數量和當地居民消費價格指數；

所述數據采集模塊包括傳感器、數據采集器、存儲服務器，所述傳感器與社區的碳排放源連接，所述傳感器將從所述碳排放源上測量到的所述社區碳排放活動數據傳遞至所述數據采集器，所述數據采集器將社區碳排放活動數據傳遞至所述存儲服務器進行存儲形成存儲數據；

所述數據分析模塊從所述存儲服務器讀取所述存儲數據，并對所述存儲服務器中的分析信息進行綜合分析，所述數據分析模塊用于將所述社區碳排放活動數據轉化成碳排放量，并進行匯總生成社區碳排放總量；

所述碳排放預測模塊對輸入參數進行無量綱化處理，并用改進支持向量機對社區碳排放進行預測；采用離差標準化方法對所述輸入參數數據進行無量綱化，人均居民消費支出、社區居民常住人口數量和當地居民消費價格指數進行無量綱化的計算公式為：x_i'＝(x_i-x_min)/(x_max-x_min)，其中i＝1,2,…m，m為輸入參數x_i的個數；x_min和x_max分別表示為輸入參數x_i的最小值和最大值，x'_i為經過無量綱化的輸入參數數據，x_i為經過當前實際的輸入參數數據；

所述碳排放預測模塊和所述分析模塊均安裝在終端計算機中；

所述分析信息包括社區碳排放邊界范圍、社區建筑面積、碳排放單元識別信息、社區常住人口數、社區碳排放量、戶均碳排放量、人均碳排放量；

所述碳排放預測模塊包括改進支持向量機預測模型模塊，將社區碳排放總量和經過無量綱化的所述輸入參數輸入改進支持向量機預測模型模塊中；

通過遺傳算法優化最小二乘支持向量機模型得到所述改進支持向量機預測模型模塊中的改進支持向量機，并通過優化后的所述改進支持向量機對社區碳排放量進行預測；

利用遺傳算法改進支持向量機的步驟如下：

步驟a：確定懲罰因子C和核 函數的方差σ取值范圍，兩個參數的取值范圍應為非零正數；

步驟b：選擇訓練樣本的均值誤差E作為遺傳算法的適應度計算函數，為

，

其中l為樣本個數，y_i(i＝1,2,…,l)為第i個樣本的真實值，y_i′(i＝1,2,…,l)為第i個樣本的預測值；

步驟c：在取值范圍內隨機產生懲罰因子C和核 函數的方差σ產生初始訓練種群；

步驟d：將初始化后的種群代入支持向量機進行訓練，計算適應度函數數值；具體包括：解碼得到懲罰因子C和核 函數的方差σ，將懲罰因子C和核 函數的方差σ賦值給支持向量機，使用訓練樣本訓練模型，使用測試樣本測試網絡，然后測試誤差；

步驟e：利用遺傳算法對適應度高的染色體進行復制、交叉和變異得到新群種，判斷預測精度是否達到要求，如是則停止；否則返回步驟d重新計算；

步驟f：訓練結束后，得到最優的懲罰因子C和核 函數的方差σ，代入支持向量機預測測試樣本的數據。