Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国建筑设计研究院有限公司刘泓江获国家专利权

中国建筑设计研究院有限公司刘泓江获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国建筑设计研究院有限公司申请的专利一种碳排放预测模型的训练方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119941271B

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510018559.5,技术领域涉及:G06Q30/018;该发明授权一种碳排放预测模型的训练方法是由刘泓江;尹文超设计研发完成,并于2025-01-07向国家知识产权局提交的专利申请。

一种碳排放预测模型的训练方法在说明书摘要公布了:本发明涉及一种碳排放预测模型的训练方法,属于碳排放预测的技术领域,解决了现有技术预测精度不高的问题。方法包括:获取建筑单位的历史碳排放量和对应的碳排放相关因素数据;基于历史碳排放量和对应的碳排放相关因素数据构建训练样本集;构建多步时序预测模型用于预测未来多个时间步的碳排放量;多步时序预测模型包括:静态特征提取模块,用于基于静态数据提取静态特征;时序特征提取模块,用于基于多维时序数据提取时序特征;特征融合模块,用于将静态特征和时序特征融合;预测模块,用于基于融合后的特征预测未来多个时间步的碳排放量;基于训练样本集对多步时序预测模型进行训练得到碳排放量预测模型。实现了精确的建筑单位碳排放预测。

本发明授权一种碳排放预测模型的训练方法在权利要求书中公布了:1.一种碳排放预测模型的训练方法,其特征在于,包括以下步骤: 获取建筑单位的历史碳排放量和对应的碳排放相关因素数据;所述碳排放相关因素数据包括静态数据和多维时序数据; 基于建筑单位的历史碳排放量和对应的碳排放相关因素数据构建训练样本集; 构建多步时序预测模型,所述多步时序预测模型用于预测未来多个时间步的碳排放量;所述多步时序预测模型包括:静态特征提取模块,用于基于所述静态数据提取静态特征;时序特征提取模块,用于基于所述多维时序数据提取时序特征;特征融合模块,用于将静态特征和时序特征融合;预测模块,用于基于融合后的特征预测未来多个时间步的碳排放量; 基于训练样本集对所述多步时序预测模型进行训练得到碳排放量预测模型; 基于建筑单位的历史碳排放量和对应的碳排放相关因素数据构建训练样本集,包括: 对于每个建筑单位,采用长度为T的两个滑动窗口在所述多维时序数据以及对应的碳排放量时序数据上并行滑动; 每一步滑动得到的多维时序数据、碳排放量时序数据以及建筑单位的静态数据作为样本的输入数据,碳排放量时序数据上的滑动窗口之后的多个时间步的碳排放量时序数据为样本的标签,构成一个样本; 所述时序特征提取模块包括: 周期性特征提取模块,用于基于样本的多维时序数据提取时序数据的周期性特征; 深度特征提取模块,用于基于所述周期性特征采用循环单元提取每个时间步的深度特征; 特征加权模块,用于基于每个时间步的碳排放量对每个时间步的深度特征进行加权融合得到时序特征; 所述周期性特征提取模块采用以下方式提取时序数据提取周期性特征: 对于每个维度的时序数据,计算该维度的时序数据的K个周期分量,基于所述K个周期分量将该维度时序数据转换为K个二维数据; 基于二维卷积网络对每个二维数据进行特征提取得到K个二维特征; 将每个二维特征转换为一维特征;基于K个周期分量的权重对所述K个一维特征进行加权融合得到每个维度的时序数据对应的周期性特征。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国建筑设计研究院有限公司,其通讯地址为:100044 北京市西城区车公庄大街19号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。