申请/专利权人：太原理工大学

申请日：2023-12-13

公开（公告）日：2024-03-19

公开（公告）号：CN117726487A

主分类号：G06Q50/26

分类号：G06Q50/26;G06Q10/04;G06N3/006

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明涉及温室气体CO2的排放预测方法，具体为一种基于GWO‑VMD和BES‑LSSVM的短期碳排放预测方法，本发明首先使用变分模态分解VMD对碳排放序列进行分解，其中VMD的模态数K和惩罚参数alph使用灰狼优化算法GWO进行优化，从而降低二氧化碳序列的复杂度。然后对分解后的各个本征模态函数VMF使用最小二乘支持向量机LSSVM模型进行预测，LSSVM的参数引入秃鹰优化算法BES进行优化。最后重构所有预测结果，从而获得最终的二氧化碳浓度精准预测结果。

主权项：1.一种基于GWO-VMD和BES-LSSVM的短期碳排放预测方法，其特征在于：包括以下步骤：利用GWO算法优化变分模态分解VMD，优化后的VMD对原始CO2历史时间序列进行分解，得到K个模态的本征模态函数VMF1、VMF2、…、VMFK和残差向量RES，将得到的本征模态函数和残差向量的数据分为训练集、验证集和测试集，训练集对LSSVM的进行训练，验证集用于验证LSSVM的准确度，测试集用于预测碳排放；使用秃鹰优化算法BES优化最小二乘支持向量机LSSVM，用训练集训练LSSVM，并用验证集验证LSSVM，最后将训练好的LSSVM模型根据预测集得到的所有预测值进行重构，获取最终的CO2预测结果。

全文数据：

权利要求：

百度查询： 太原理工大学 一种基于GWO-VMD和BES-LSSVM的短期碳排放预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD