CN114662282B 多因素碳排放核算方法和装置 （华南理工大学）_第1页
CN114662282B 多因素碳排放核算方法和装置 （华南理工大学）_第2页
CN114662282B 多因素碳排放核算方法和装置 （华南理工大学）_第3页
CN114662282B 多因素碳排放核算方法和装置 （华南理工大学）_第4页
CN114662282B 多因素碳排放核算方法和装置 （华南理工大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

FlorianMarcelNuţăetal..NationalofUrbanizationandEEasternEuropeanCountriesMachineLearningAlgorithmsandPan展程度等内在差异而导致对碳排放量的不同影了一般碳排放因素分解过程需要在开始阶段构2对多个驱动因素中的每个驱动因素单独构建地理加权回归模型，作为集对多个驱动因素的基模型构建逻辑回归模型，作为集成学习的组合模根据全部基模型的线性加权表达式，将线性加权表达式中自变量此时经过k折交叉验证得到k份验证集的预测值和k份测试集的预测值，将当前基模型4.一种用于执行权利要求1-3任意一项所述的方法的多所述装置根据权利要求1-3任意一项所述的方法生成各个驱动因素对碳排放总量的贡3指数分解法包括对数平均迪氏指数分解法(LogarithmicMeanDivisiaIndex,LMDI)，能权回归(MultiscaleGeographicallyWeightedRegression,MGWR)模型允许每个自变量4[0007]本发明所要解决的技术问题是：在传统的碳排放量核算排放核算方法。该方法采用空间地理加权的方式对预定义的多个碳排放驱动因素单独建5合成集成学习阶段所需的训练数据集和测试对应碳排放驱动因素在碳排放总量中的贡献[0019]从平均分为k份的训练集中取1份子集作为验证集，其余k-1份子集作为本轮训练[0021]此时经过k折交叉验证得到k份验证集的预测值和k份测试集的预测值，将当前基[0022]将当前基模型的k份测试集预测值取均值，作为集成学习的测试集中的一个特征[0023]作为优先的实施方式，构建逻辑回归模型的自变量数量与研究变量数量保持一[0025]多因素独立建模阶段，包括对单个碳排放驱动因素构建独立的地理加权回归模[0033]1、本发明针对基于指数分解的传统碳排放驱动因素研究方法过分依赖于构造恒[0034]2、本发明针对传统碳排放核算方法直接假定相同因素在不同地区之间对碳排放6[0041]本公开提供一种基于地理加权回归和集成学习的多因素碳排放核算方法。通过用空间地理加权的方式对预定义的多个碳排放驱动因素独立建模，根据驱动因素选取最佳带宽，缓解多变量建模存在的多重共线性干扰，同时提升回归模型反映研究变量与碳排放进行集成学习，得到碳排放的多因素线性加权表达式，相较于一般碳排放因素分解研究方好的训练集和测试集将作为其k折交叉验证训练过7[0047]将当前基模型的k份验证集预测值纵向组合，作为集成学习训练集中的一个特征[0048]n个碳排放驱动因素的基模型全部训练完成后，此时已经得到集成学习的全部训[0052]以上详细说明仅为本发明之较佳实施例的说明，非因此

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论