[发明专利]一种居住建筑燃气碳排放量预测方法

权利要求书

1.一种居住建筑燃气碳排放量预测方法，其特征在于，包括：

获取样本数据；所述样本数据包括居住建筑特征参数和与所述居住建筑特征参数对应的居住建筑单位面积碳排放值；

根据特征重要性对所述样本数据进行评分排序，选取评分大于预设值对应的所述样本数据作为预测模型特征；

根据所述预测模型特征建立预测模型，获得预测结果。

2.根据权利要求1所述的居住建筑燃气碳排放量预测方法，其特征在于，所述居住建筑特征参数包括：居住建筑燃气排放数据、建筑面积数据和建筑形态特征；其中，所述建筑形态特征包括建筑面宽进深比、体型系数、四面窗墙比、平均窗墙比、梯户数、层高和层数。

3.根据权利要求1所述的居住建筑燃气碳排放量预测方法，其特征在于，根据特征重要性对所述样本数据进行评分排序，选取评分大于预设值对应的所述样本数据作为预测模型特征包括：

获取每个所述样本数据在决策树模型中每个子树中的平均贡献度；

采用基尼指数评价所述平均贡献度，得到特征重要性评分。

4.根据权利要求3所述的居住建筑燃气碳排放量预测方法，其特征在于，采用基尼指数评价所述平均贡献度，得到特征重要性评分包括：

将特征重要性评分用F表示，将基尼指数用GI表示，计算每个所述样本数据中特征的基尼指数评分：

其中，K为类别总数，m、k、K均为自然数，p_mk为第m个节点中第k个类别的特征所占比例；

计算每个所述样本数据特征在第m个节点中的重要性：

F_m＝GI_m-GI_l-GI_r

其中，GI_l、GI_r分别表示在第m个节点之后的两个新节点的基尼指数；

计算每个所述样本数据特征在决策树的第i棵子树中的重要性：

其中，M为同一特征在所述决策树中出现的节点的集合，i为自然数；

计算每个所述样本数据特征的得分：

其中，n为决策树的总数量。

5.根据权利要求4所述的居住建筑燃气碳排放量预测方法，其特征在于，根据所述预测模型特征建立预测模型，获得预测结果包括：

用极端梯度提升算法建立所述预测模型；

通过所述预测模型特征训练所述预测模型；

将待测建筑的特征参数代入所述预测模型，获得所述待测建筑的预测单位面积碳排放量；

将所述预测单位面积碳排放量与所述待测建筑的居住建筑面积相乘，得到所述待测建筑的预测燃气碳排放总量。

6.根据权利要求1所述的居住建筑燃气碳排放量预测方法，其特征在于，所述居住建筑单位面积碳排放值的计算如下：

其中，E为居住建筑单位面积碳排放量，P为统计一年居住建筑燃气排放量，D为燃气二氧化然排放因子，S为居住建筑的建筑面积。

7.根据权利要求1所述的居住建筑燃气碳排放量预测方法，其特征在于，在根据特征重要性对所述样本数据进行评分排序之前，还包括：采用数据空值填充规则对所述样本数据进行预处理；

对所述样本数据的各个特征进行归一化处理。

8.根据权利要求7所述的居住建筑燃气碳排放量预测方法，其特征在于，对所述样本数据的各个特征进行归一化处理包括：

其中，X为所述样本数据的特征值，X_min为所述特征值的最小值，X_max为所述特征值的最大值，X_std为所述特征值的归一化结果。