【技术实现步骤摘要】
本专利技术涉及建筑业碳排放量预测领域，特别涉及一种建筑业碳排放量预测方法、装置、设备及存储介质。
技术介绍
1、在现有技术中，存在多种方法用于预测建筑业碳排放量,其中stirpat(随机影响回归对人口、富裕程度和技术水平的评估)模型因其考虑了多个影响因素而受到广泛关注。
2、然而,现有的基于stirpat模型的预测方法仍存在一些局限性。传统方法通常采用岭回归等技术,无法有效筛选出最相关的变量,可能导致模型包含不必要的因素,从而影响预测精度。由于建筑业碳排放受多种复杂因素影响,单一的回归方法难以达到理想的预测效果。此外,大多数现有方法仅基于历史数据进行预测,未能充分考虑未来可能的变化情景,也缺乏对建筑业全生命周期的全面考虑,难以涵盖建材生产、建造和使用等各个阶段的碳排放。有鉴于此，提出本申请。
技术实现思路
1、本专利技术公开了一种建筑业碳排放量预测方法、装置、设备及存储介质，旨在解决建筑业无法准确的预测出未来碳排放量的问题。
2、本专利技术第一实施例提供了一种建筑业碳排放量预测方法，包括：
3、获取待预测地区建筑业在建材生产阶段、建造阶段和使用阶段的材料、能源消耗数据以及碳排放因子,并利用碳排放系数法计算多个阶段的历史碳排放量；
4、获取基准影响因素下的扩展影响因素，调用多个机器学习模型并构建以所述扩展影响因素为自变量、以所述历史碳排放量为因变量的多个碳排放预测模型；
5、基于拟合优度和均方根误差评估多个所述碳排放预测模型
6、基于所述扩展影响因素的历史数据，确定影响因素的变化速率，并基于所述最优碳排放预测模型和所述变化速率生成待预测地区的建筑业碳排放趋势与达峰时间。
7、优选地，所述建材生产阶段的历史碳排放量的表达式为：
8、
9、其中，为在建材生产阶段的二氧化碳排放总量，为第i种材料的消耗量，为第i种材料对应的排放因子；
10、所述建造阶段和使用阶段的历史碳排放量的表达式为：
11、
12、其中，为建造阶段和使用阶段的二氧化碳排放总量，为第i种能源的消耗量，为第i种能源的单位热值含排放因子，为第i种能源的平均低位发热量。
13、优选地，所述拟合优度的表达式为：
14、 r2 =
15、均方根误差的表达式为：
16、 rmse=
17、其中，为预测值，为真实值，m为预测值的数量，为真实值的均值。
18、优选地，所述最优碳排放预测模型的表达式为：
19、
20、其中，为待预测地区建筑业碳排放量，为待预测地区当年年末建筑业从业人员数量，为待预测地区城镇化水平，为人均gdp，为建筑业产值占地区生产总值的比重，为单位建筑业产值所消耗的能源总量，为建成区绿化覆盖率；为模型系数，、、、、、为各自变量的弹性系数，为误差项。
21、本专利技术第二实施例提供了一种建筑业碳排放量预测装置，包括：
22、历史碳排放量计算单元，用于获取待预测地区建筑业在建材生产阶段、建造阶段和使用阶段的材料、能源消耗数据以及碳排放因子,并利用碳排放系数法计算多个阶段的历史碳排放量；
23、碳排放预测模型建立单元，用于获取基准影响因素下的扩展影响因素，调用多个机器学习模型并构建以所述扩展影响因素为自变量、以所述历史碳排放量为因变量的多个碳排放预测模型；
24、最优碳排放预测模型确定单元，用于基于拟合优度和均方根误差评估多个所述碳排放预测模型，以确定最优碳排放预测模型；
25、预测单元，用于基于所述扩展影响因素的历史数据，确定影响因素的变化速率，并基于所述最优碳排放预测模型和所述变化速率生成待预测地区的建筑业碳排放趋势与达峰时间。
26、优选地，所述建材生产阶段的历史碳排放量的表达式为：
27、
28、其中，为在建材生产阶段的二氧化碳排放总量，为第i种材料的消耗量，为第i种材料对应的排放因子；
29、所述建造阶段和使用阶段的历史碳排放量的表达式为：
30、
31、其中，为建造阶段和使用阶段的二氧化碳排放总量，为第i种能源的消耗量，为第i种能源的单位热值含排放因子，为第i种能源的平均低位发热量。
32、优选地，所述拟合优度的表达式为：
33、 r2 =
34、均方根误差的表达式为：
35、 rmse=
36、其中，为预测值，为真实值，m为预测值的数量，为真实值的均值。
37、优选地，所述最优碳排放预测模型的表达式为：
38、
39、其中，为待预测地区建筑业碳排放量，为待预测地区当年年末建筑业从业人员数量，为待预测地区城镇化水平，为人均gdp，为建筑业产值占地区生产总值的比重，为单位建筑业产值所消耗的能源总量，为建成区绿化覆盖率；为模型系数，、、、、、为各自变量的弹性系数，为误差项。
40、本专利技术第三实施例提供了一种建筑业碳排放量预测设备，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上任意一项所述的一种建筑业碳排放量预测方法。
41、本专利技术第四实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述一种建筑业碳排放量预测方法。
42、基于本专利技术提供的一种建筑业碳排放量预测方法、装置、设备及存储介质，先通过获取待预测地区建筑业在建材生产阶段、建造阶段和使用阶段的材料、能源消耗数据以及碳排放因子,并利用碳排放系数法计算多个阶段的历史碳排放量；接着，获取基准影响因素下的扩展影响因素，调用多个机器学习模型并构建以所述扩展影响因素为自变量、以所述历史碳排放量为因变量的多个碳排放预测模型；再接着，基于拟合优度和均方根误差评估多个所述碳排放预测模型，以确定最优碳排放预测模型；最后，基于所述扩展影响因素的历史数据，确定影响因素的变化速率，并基于所述最优碳排放预测模型和所述变化速率生成待预测地区的建筑业碳排放趋势与达峰时间，解决了建筑业无法准确的预测出未来碳排放量的问题。
本文档来自技高网...【技术保护点】
1.一种建筑业碳排放量预测方法，其特征在于，包括：
2.根据权利要求1所述的一种建筑业碳排放量预测方法，其特征在于，所述建材生产阶段的历史碳排放量的表达式为：
3.根据权利要求1所述的一种建筑业碳排放量预测方法，其特征在于，所述拟合优度的表达式为：
4.根据权利要求1所述的一种建筑业碳排放量预测方法，其特征在于，所述最优碳排放预测模型的表达式为：
5.一种建筑业碳排放量预测装置，其特征在于，包括：
6.根据权利要求5所述的一种建筑业碳排放量预测装置，其特征在于，所述建材生产阶段的历史碳排放量的表达式为：
7.根据权利要求5所述的一种建筑业碳排放量预测装置，其特征在于，所述拟合优度的表达式为：
8.根据权利要求5所述的一种建筑业碳排放量预测装置，其特征在于，所述最优碳排放预测模型的表达式为：
9.一种建筑业碳排放量预测设备，其特征在于，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如权利要求1至4任意一项所述的一种建筑业碳排放量预测方法。<...
【技术特征摘要】
1.一种建筑业碳排放量预测方法，其特征在于，包括：
2.根据权利要求1所述的一种建筑业碳排放量预测方法，其特征在于，所述建材生产阶段的历史碳排放量的表达式为：
3.根据权利要求1所述的一种建筑业碳排放量预测方法，其特征在于，所述拟合优度的表达式为：
4.根据权利要求1所述的一种建筑业碳排放量预测方法，其特征在于，所述最优碳排放预测模型的表达式为：
5.一种建筑业碳排放量预测装置，其特征在于，包括：
6.根据权利要求5所述的一种建筑业碳排放量预测装置，其特征在于，所述建材生产阶段的历史碳排放量的表达式为：
7.根据权利要...
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。