System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及汽车销量预测方法,具体涉及汽车销量对碳达峰和碳中和的影响预测方法。
技术介绍
1、新能源汽车(nevs)作为减少对化石燃料依赖和降低温室气体排放的关键途径,正逐渐成为汽车产业的新趋势,此外,新能源汽车还关联着二氧化碳排放量的未来趋势,有效减缓减缓碳排放的增长速度。
2、对于新能源汽车的销售量对碳排量的抑制作用,涉及到汽车碳排量占比整体碳排量,新能源汽车的销售量占比整体汽车所有量等因素,另外新能源汽车的销售量对碳达峰和碳中和的影响也需要准确的调研数据来支撑,因此需要准确做出新能源汽车销售量的预测模型。
3、为此,本领域技术人员提出汽车销量对碳达峰和碳中和的影响预测方法,结合灰色预测模型gm(1,1)和长短期记忆网络(lstm)模型,分析和预测了中国新能源汽车销量和二氧化碳排放量的未来趋势。
技术实现思路
1、针对现有技术的不足,本专利技术提供了汽车销量对碳达峰和碳中和的影响预测方法,采用灰色预测模型结合长短期记忆网络(lstm)模型,相互佐证分析新能源汽车销售量对碳达峰和碳中和的影响,分析得到计算公式,方便验证以及计算证明两者之间的关联关系与未来趋势。
2、为实现以上目的,本专利技术通过以下技术方案予以实现:汽车销量对碳达峰和碳中和的影响预测方法,包括:
3、s1、引入灰色预测理论,推算汽车销量与碳达峰和碳中和之间的关联计算关系式;
4、s2、结合背景值优化计算方程,推导出新的公式代替原模型中的公式;
< ...【技术保护点】
1.汽车销量对碳达峰和碳中和的影响预测方法,其特征在于,包括:
2.如权利要求1所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:依据灰色预测理论的原始计算方法,假设原始非负样本序列,推算原始一阶累加数据序列、紧邻均值生成序列和一阶线性白化微分方程。
3.如权利要求2所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:依据新能源汽车销售量与碳达峰碳中和之间关联背景值,推导出新的背景值优化公式,用该公式代替原模型中的计算公式。
4.如权利要求3所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:考虑边值条件的修正形式,针对计算公式中的原始序列和生成序列验证关系,使用最小准则和均方误差分别给出确定边值修正项的计算方法。
5.如权利要求1所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:使用基于背景值优化的灰色预测模型对新能源汽车过往销售量数据进行预测,并对原始月度数据执行初步处理,对比验证以确保分析结果的一致性和可比性。
6.如权利要求1所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:依
7.如权利要求6所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:检验一阶累加数据序列是否满足准指数规律,依据一阶累加数据序列建立灰色预测模型的白化方程计算紧邻均值生成序列,利用最小二乘法对参数进行估计,得到最终的灰色预测模型白化方程。
8.如权利要求1所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:引入LSTM时间序列预测模型,进行基于极大极小值的二氧化碳数据归一化分析建模,并对数据进行归一化处理,构建长短期记忆(LSTM)网络模型。
...【技术特征摘要】
1.汽车销量对碳达峰和碳中和的影响预测方法,其特征在于,包括:
2.如权利要求1所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:依据灰色预测理论的原始计算方法,假设原始非负样本序列,推算原始一阶累加数据序列、紧邻均值生成序列和一阶线性白化微分方程。
3.如权利要求2所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:依据新能源汽车销售量与碳达峰碳中和之间关联背景值,推导出新的背景值优化公式,用该公式代替原模型中的计算公式。
4.如权利要求3所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:考虑边值条件的修正形式,针对计算公式中的原始序列和生成序列验证关系,使用最小准则和均方误差分别给出确定边值修正项的计算方法。
5.如权利要求1所述的汽车销量对碳达峰和碳中和的影响预测方法,其特征在于:使用基于背景值优化的灰色预...
【专利技术属性】
技术研发人员:李淑敬,王孝阳,刘淼,黄小杰,张宇翔,卢操,王先超,
申请(专利权)人:阜阳师范大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。