申请/专利权人：济南明泉数字商务有限公司

申请日：2023-07-12

公开（公告）日：2024-03-19

公开（公告）号：CN116843080B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/26;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.10.24#实质审查的生效;2023.10.03#公开

摘要：本发明涉及碳足迹预测技术领域，尤其是涉及一种基于机器学习的尿素生产碳元素足迹预测方法及系统。所述方法，包括获取监测数据，包括能耗数据和排放数据；对获取的监测数据进行数据预处理；构建机器学习模型，并对机器学习模型进行预训练；利用预训练好的机器学习模型处理监测数据，得到预测的碳足迹；根据预测的碳足迹，利用机器学习模型找出碳足迹较高的环节，通过数据分析，得出优化建议。本发明通过实时采集数据，避免了人工统计的误差和延迟，提高了碳足迹计算的准确性，通过数据预处理，可以保证输入到模型中的数据是准确、完整和一致的，从而提高模型的性能和稳定性。

主权项：1.一种基于机器学习的尿素生产碳元素足迹预测方法，其特征在于，包括：获取监测数据，包括能耗数据和排放数据；对获取的监测数据进行数据预处理；构建机器学习模型，并对机器学习模型进行预训练；利用预训练好的机器学习模型处理监测数据，得到预测的碳足迹；根据预测的碳足迹，利用机器学习模型找出碳足迹高的环节，通过数据分析，得出优化建议；所述构建机器学习模型，包括构建回归模型，利用回归模型建立碳元素足迹与尿素生产过程中的监测数据之间的关系；所述对机器学习模型进行预训练，包括将监测数据分为训练集和验证集，利用训练集训练机器学习模型，利用验证集对机器学习模型的泛化性能进行验证；设置回归模型的初始参数值；定义回归模型的损失函数，包括定义回归模型的均方误差和交叉熵；通过迭代优化的方式，更新回归模型；其中，基于均方误差的碳元素计算过程：采用线性回归算法，使用均方误差作为损失函数，其中，模型预测：设模型的预测结果为y_pred，其中y_pred是一个实数；真实值获取：设尿素生产过程中的真实碳元素值为y_true，其中y_true是一个实数；均方误差计算：通过公式计算均方误差MSE，公式为：MSE=y_pred-y_true^2；基于交叉熵的碳元素计算过程：采用逻辑回归算法，使用交叉熵作为损失函数；模型预测：设模型的预测结果为y_pred，其中y_pred是一个介于0和1之间的概率值；真实值获取：设尿素生产过程中的真实碳元素值为y_true，其中y_true是一个二元标签，为0或1；交叉熵计算：通过公式计算交叉熵Cross-Entropy，公式为：Cross-Entropy=-y_true*logy_pred+1-y_true*log1-y_pred；所述获取监测数据，包括收集尿素生产过程中的相关数据，其中包括每个生产阶段的能源消耗、原料使用量和废弃物排放数据；所述模型的具体内容包括模型的输入、输出和内部结构，所述模型的输入包括尿素生产过程中的相关数据，具体包括原料使用量、能源消耗和反应条件；所述模型的输出是预测的碳元素足迹值，所述模型的内部结构采用机器学习算法，包括线性回归、决策树和随机森林。

全文数据：

权利要求：

百度查询： 济南明泉数字商务有限公司 一种基于机器学习的尿素生产碳元素足迹预测方法及系统

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