[发明专利]碳排放量预测方法、装置、设备及存储介质

说明书

本发明涉及人工智能，提供一种碳排放量预测方法、装置、设备及存储介质。该方法从预设历史碳排放量影响因子中筛选目标影响因子，获取多个第一时刻的实际排放量及与所述目标影响因子对应的输入数据，并获取多个第二时刻的实时碳排放量，基于碳排放量预测网络对输入数据及实时碳排放量进行预测，得到目标预测排放量，根据实际排放量及目标预测排放量调整碳排放量预测网络，得到碳排放量预测模型，基于碳排放量预测模型对影响数据及排放量进行预测，得到预测时刻的碳排放总量。此外，本发明还涉及区块链技术，所述碳排放总量可存储于区块链中。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种碳排放量预测方法、装置、设备及存储介质。

背景技术

在目前的碳排放量预测方案中，通常是基于机器学习模型对碳排放时间序列进行预测，然而，发明人意识到，由于碳排放的复杂性，导致目前的方案无法准确的提取出碳排放增长规律，造成无法准确的预测出未来时刻的碳排放总量。

发明内容

鉴于以上内容，有必要提供一种碳排放量预测方法、装置、设备及存储介质，能够准确的预测出未来时刻的碳排放总量。

一方面，本发明提出一种碳排放量预测方法，所述碳排放量预测方法包括：

从预设历史碳排放量影响因子中筛选目标影响因子；

获取碳排放量预测网络，并获取多个第一时刻的实际排放量；

获取所述多个第一时刻与所述目标影响因子对应的输入数据，并获取多个第二时刻的实时碳排放量，每个第一时刻大于所述多个第二时刻；

基于所述碳排放量预测网络对所述输入数据及所述实时碳排放量进行预测，得到每个第一时刻的目标预测排放量；

根据所述实际排放量及所述目标预测排放量调整所述碳排放量预测网络，得到碳排放量预测模型；

当接收到碳排放量预测请求时，根据所述碳排放量预测请求获取预测时刻与所述目标影响因子对应的影响数据，并基于所述预测时刻获取历史排放量；

基于所述碳排放量预测模型对所述影响数据及所述排放量进行预测，得到所述预测时刻的碳排放总量。

根据本发明优选实施例，所述从预设历史碳排放量影响因子中筛选目标影响因子包括：

获取多个预设时刻的时刻碳排放量，并获取每个预设历史碳排放量影响因子在所述多个预设时刻的因子信息；

基于所述时刻碳排放量及所述因子信息计算每个预设历史碳排放量影响因子的排放量回归值，所述排放量回归值的计算公式为：

其中，J是指所述排放量回归值，n是指所述多个预设时刻的时刻数量，y_i是指第i个时刻的时刻碳排放量，p是指所述预设历史碳排放量影响因子的因子数量，x_ij是指第j个预设历史碳排放量影响因子在所述第i个时刻的因子信息，β_j是指所述第j个预设历史碳排放量影响因子的设定参数，λ为预设常数；

计算所述排放量回归值在所述多个预设时刻的收缩程度；

将所述收缩程度小于预设程度阈值的预设历史碳排放量影响因子确定为初筛影响因子；

计算每个初筛影响因子的因子重要度；

将所述因子重要度大于预设重要度阈值的初筛影响因子确定为所述目标影响因子。

根据本发明优选实施例，所述因子重要度的计算公式为：

根据所述时刻碳排放量及所述因子信息构建每个初筛影响因子的因子表征矩阵；

根据所述因子表征矩阵计算每个初筛影响因子与所述时刻碳排放量的协方差矩阵；