申请/专利权人:合肥工业大学;安徽海螺集团有限责任公司;安徽海螺信息技术工程有限责任公司
申请日:2023-12-18
公开(公告)日:2024-04-05
公开(公告)号:CN117828982A
主分类号:G06F30/27
分类号:G06F30/27;G06F18/214;G06F119/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明公开了一种基于LSTM算法提高碳核算数据预测精准度的方法,包括下列步骤:S1、采集财务系统的能源外购数据和生产系统的能源消耗数据,构建相应的数据集;S2、分别基于对应的数据集分别构建对应的线性回归模型,用于确定生产系统的实时数据与财务口径的能源实际购买量之间的关系;S3、计算碳排放数据,将实时数据转化为能源实际购买量的实时数据,再时序化,与碳排放数据配对形成训练集;S4、利用训练集训练长短期记忆网络模型LSTM,再进行碳排放数据的预测。本发明先对生产系统采集的实时数据进行转化,使其与碳排放统计核查过程中使用的基于财务口径的实际购买量数据更加接近,预测结果更加统计核查的结果。
主权项:1.一种基于LSTM算法提高碳核算数据预测精准度的方法,其特征在于:包括下列步骤:S1、通过生产系统的数据采集模块采集生产中的能源消耗数据,采集财务系统提供的能源外购数据,并通过这些历史数据构建相应的数据集;S2、分别基于对应的数据集分别构建对应的线性回归模型,用于确定生产系统采集的能耗相关的实时数据与财务口径的能源实际购买量之间的关系;S3、计算碳排放数据,将生产系统采集的实时数据转化为财务口径的能源实际购买量的实时数据,再时序化,与碳排放数据配对形成训练集;S4、利用训练集训练长短期记忆网络模型LSTM,基于训练好的长短期记忆网络模型LSTM进行碳排放数据的预测,长短期记忆网络模型LSTM的输入通过步骤S1-S3获取。
全文数据:
权利要求:
百度查询: 合肥工业大学;安徽海螺集团有限责任公司;安徽海螺信息技术工程有限责任公司 一种基于LSTM算法提高碳核算数据预测精准度的方法
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。