公开(公告)号：CN117933497B

公开(公告)日：2024-06-18

申请号：CN202410331045.0

申请日：2024-03-22

Applicant: 华北理工大学

Inventor： 孙乾 ,  王玲 ,  韩秀丽 ,  陈丽芳 ,  李存国 ,  于晓东 ,  刘淑贤 ,  聂轶苗

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及碳排放预测技术领域，公开了一种基于TSA‑ARIMA‑CNN的企业碳排放预测方法，包括：获取企业生产的历史碳排放时间序列数据，并对历史碳排放时间序列数据进行归一化处理。获取ARIMA模型的最优参数，并根据最优参数建立ARIMA模型。将RMSE和R2作为评价指标，并获取CNN模型的最优参数，建立CNN模型。将归一化处理后的历史碳排放时间序列数据代入ARIMA模型以及CNN模型进行预测，并获取ARIMA模型的碳排放预测序列以及CNN模型的碳排放预测序列。并基于特征选择算法进行选择或加权，并获取选择或加权后的预测结果，并将反归一化处理的预测结果设定为碳排放预测输出结果。本发明通过结合了传统时间序列分析和深度学习方法，提高了企业碳排放预测的准确性。

公开(公告)号：CN117933497A

公开(公告)日：2024-04-26

申请号：CN202410331045.0

申请日：2024-03-22

Applicant: 华北理工大学

Inventor： 孙乾 ,  王玲 ,  韩秀丽 ,  陈丽芳 ,  李存国 ,  于晓东 ,  刘淑贤 ,  聂轶苗

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及碳排放预测技术领域，公开了一种基于TSA‑ARIMA‑CNN的企业碳排放预测方法，包括：获取企业生产的历史碳排放时间序列数据，并对历史碳排放时间序列数据进行归一化处理。获取ARIMA模型的最优参数，并根据最优参数建立ARIMA模型。将RMSE和R2作为评价指标，并获取CNN模型的最优参数，建立CNN模型。将归一化处理后的历史碳排放时间序列数据代入ARIMA模型以及CNN模型进行预测，并获取ARIMA模型的碳排放预测序列以及CNN模型的碳排放预测序列。并基于特征选择算法进行选择或加权，并获取选择或加权后的预测结果，并将反归一化处理的预测结果设定为碳排放预测输出结果。本发明通过结合了传统时间序列分析和深度学习方法，提高了企业碳排放预测的准确性。