申请/专利权人:清华大学深圳国际研究生院
申请日:2022-04-22
公开(公告)日:2022-09-23
公开(公告)号:CN115099450A
主分类号:G06Q10/04
分类号:G06Q10/04;G06K9/62;G06N20/20
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.10.14#实质审查的生效;2022.09.23#公开
摘要:本发明提供一种基于融合模型的家庭碳排放监测方法,包括如下步骤:S1、建立数据库和预测模型,针对CFPS数据,用Lasso算法提取特征;S2、利用XGBoost预测的融合模型进行调参,并针对高碳排放、低碳排放进行分类预测,分别按不同模型进行计算;S3、计算生成用户的碳排放数据。本发明混合了网络模型结构,输入家庭特征可以预测未来家庭碳排放,实现了家庭碳排放的核算与监测。相较于其他的基于预测模型,本发明的集成学习预测准确率更优,实现了家庭排名、家庭减排和家庭碳排放的核算,有助于激励用户低碳生活并完成家庭碳排放动态的监测核算。本发明提出的Lasso‑XGBoost融合模型能够更好的对家庭碳排放分类预测。该融合模型的个体学习器准确性高、多样性大,融合较好。
主权项:1.一种基于融合模型的家庭碳排放监测方法,其特征在于,包括如下步骤:S1、建立数据库和预测模型,针对CFPS数据,用Lasso算法提取特征;S2、利用XGBoost预测的融合模型进行调参,并针对高碳排放、低碳排放进行分类预测,分别按不同模型进行计算;S3、计算生成用户的碳排放数据:通过收集的家庭消费数据,通过投入产出矩阵的系数的转化和一次二次能源的碳排放因子的结合,计算出家庭在各大类消费的碳排放,加总为当年家庭碳排放。
全文数据:
权利要求:
百度查询: 清华大学深圳国际研究生院 基于融合模型的家庭碳排放监测核算平台
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。