[发明专利]基于贡倍兹定律的碳排放预测方法及系统

说明书

本发明提供一种基于贡倍兹定律的碳排放预测方法及系统，属于碳排放检测技术领域，包括：获取当前时刻的碳排放量；使用预先训练好的碳排放预测模型，对获取的当前时刻的碳排放量进行处理，得到下一时刻的碳排放量预测结果；其中，预先训练好的碳排放量预测模型为基于贡倍兹定律结合分数阶累加构建的灰色贡倍兹模型，并结合鲸鱼优化算法训练得到。本发明基于碳排放量满足贡倍兹定律描述，预测准确度高，稳定性好；构建的分数阶累加灰色贡倍兹预测模型计算简便快捷，计算量小，效率高；适合长期的碳排放量准确稳定预测。

技术领域

本发明涉及碳排放检测技术领域，具体涉及一种基于贡倍兹定律和分数阶灰色模型的碳排放预测方法及系统。

背景技术

过量的二氧化碳排放造成了一系列的社会和环境问题，严重威胁着人类的生存和社会发展。碳排放的增加已成为制约全球经济可持续发展的重要因素。二氧化碳排放预测越来越受到人们的重视，准确预测碳排放不仅可以为决策者提供依据，特别是在区块链技术快速发展的今天，还可以改善碳排放管理。目前，现有的针对碳排放预测的预测方法，主要分为基于统计分析模型、非线性规划模型和灰色预测模型三大类。基于统计分析模型的预测方法定额的准确性差，可靠性差，对历史统计数据的完整性和准确性要求高，且统计数据选择不当会严重影响预测结果标准的科学性，只反映历史的情况而不反映现实条件的变化对标准的影响；非线性规划模型计算复杂，计算量大，效率低；而灰色预测只适合短期预测、指数增长型的预测，对于近年来符合贡倍兹(Gompertz)定律描述碳排放增长的的规律不适用。

发明内容

本发明的目的在于提供一种基于贡倍兹定律和分数阶灰色模型的碳排放预测方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

一方面，本发明提供一种基于贡倍兹定律的碳排放预测方法，包括：

获取当前时刻的碳排放量；

使用预先训练好的碳排放预测模型，对获取的当前时刻的碳排放量进行处理，得到下一时刻的碳排放量预测结果；其中，预先训练好的碳排放量预测模型为基于贡倍兹定律结合分数阶累加构建的灰色贡倍兹模型，并结合鲸鱼优化算法训练得到。

优选的，假设时刻t的碳排放量为x⁽¹⁾(t)，则碳排放量的相对增长率g(t)为：

假设碳排放量相对增长率是随时间相关的，随着当前规模x⁽¹⁾(t)呈指数下降，则碳排放量的相对生长表示为：

其中，k₀为任意正常数，c为碳排放承载能力；

那么用对数运算为：

即

则通过Gompertz定律引入：即为贡倍兹微分方程。

优选的，碳排放的观测结果只是一个离散时间序列，根据差分信息原理对所述贡倍兹微分方程进行变换和离散化，以适应灰色信息的特点；假设初始观测序列是x⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),...,x⁽⁰⁾(n))^T，则x⁽¹⁾(t)为从初始点到时刻t的碳排放量的累积值，其中t＝1,2,…,n；

x⁽¹⁾(t)在[k-1,k]这段时间内的变化速率为：