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 > 湘江实验室陈晓红获国家专利权

湘江实验室陈晓红获国家专利权

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!

龙图腾网获悉湘江实验室申请的专利一种区域短期碳排放预测方法及相关设备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:CN119783988B

龙图腾网通过国家知识产权局官网在2025-08-12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:202510276725.1,技术领域涉及:G06Q10/063;该发明授权一种区域短期碳排放预测方法及相关设备是由陈晓红;付益鹏;胡东滨设计研发完成,并于2025-03-10向国家知识产权局提交的专利申请。

一种区域短期碳排放预测方法及相关设备在说明书摘要公布了:本发明提供了一种区域短期碳排放预测方法及相关设备,通过将采集目标区域的历史时序碳排放数据输入构建的SSA‑Transformer‑SVR模型,对SSA‑Transformer‑SVR模型进行训练,得到碳排放预测模型;将目标区域在当前时段的时序碳排放数据和当前状态下的碳排放影响数据输入碳排放预测模型进行预测,得到目标区域的短期碳排放量预测结果;SSA‑Transformer‑SVR模型包括用于筛选出碳排放影响因素的输入模块、优化后的Transformer模块、激活模块、特征融合模块、优化后的SVR模块、模型融合模块和输出模块;显著提高了短期碳排放量预测的准确性。

本发明授权一种区域短期碳排放预测方法及相关设备在权利要求书中公布了:1.一种区域短期碳排放预测方法,其特征在于,包括: 步骤1,采集目标区域的历史时序碳排放数据,所述历史时序碳排放数据包括历史碳排放数据和对应的碳排放影响数据,所述碳排放影响数据包括国内生产总值、人口总数、城镇化率、劳动力人口、就业率、工业产出份额、能源效率、能源消费总量、可再生能源消费份额、商品进口额、商品出口额; 步骤2,将所述历史时序碳排放数据输入构建的SSA-Transformer-SVR模型,对所述SSA-Transformer-SVR模型进行训练,得到碳排放预测模型; 步骤3,将所述目标区域在当前时段的时序碳排放数据和当前状态下的碳排放影响数据输入所述碳排放预测模型进行预测,得到所述目标区域的短期碳排放量预测结果; 所述SSA-Transformer-SVR模型包括用于筛选出碳排放影响因素的输入模块、用于处理输入的时间序列数据的优化后的Transformer模块、用于提取时间序列数据非线性特征的激活模块、用于将优化后的Transformer模块提取的时间依赖特征与通过所述输入模块筛选出的碳排放影响因素相结合的特征融合模块、用于在所述特征融合模块输出的特征向量中提取与碳排放相关的高级特征并生成预测结果的优化后的SVR模块、用于将所述优化后的Transformer模块提取的时间依赖特征与优化后的SVR模块生成的预测结果进行融合的模型融合模块和输出模块; 所述SSA-Transformer-SVR模型的连接关系为: 所述输入模块的输入端为所述SSA-Transformer-SVR模型的输入端; 所述输入模块的输出端分别与所述激活模块的输入端、所述优化后的Transformer模块的输入端连接; 所述激活模块的输出端与所述特征融合模块的输入端连接,所述特征融合模块的输出端与所述优化后的SVR模块的输入端连接; 所述优化后的SVR模块的输出端、所述优化后的Transformer模块的输出端均与所述模型融合模块的输入端连接; 所述模型融合模块的输出端与所述输出模块的输入端连接; 所述输出模块的输出端为所述SSA-Transformer-SVR模型的输出端; 在所述输入模块中,利用STIRPAT模型对碳排放的影响因素进行筛选,确定关键因素; 所述模型融合模块用于将第一深度特征与对综合特征向量进行预测的结果进行融合的表达式为: ; 其中,表示融合后的预测结果,表示优化后的Transformer模块的权重,表示优化后的SVR模块的权重,表示Transformer模块的预测值,表示SVR模块的预测值。

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湘江实验室,其通讯地址为:410000 湖南省长沙市高新区尖山路217号北斗产业园1栋;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。