【技术实现步骤摘要】
本专利技术涉及碳排放智能分析，具体涉及一种基于知识图谱的碳排放智能分析方法及系统。
技术介绍
1、随着全球气候变化的日益严峻，碳排放量的监测与管理已成为国际社会普遍关注的焦点， 传统的碳排放分析方法主要依赖于单一的数据源，对不同来源数据的整合与分析能力较低，同时，现有的对于碳排放量分析方法在时间维度上的分析往往不够深入，进而影响了减排策略的制定；
2、鉴于此，我们提出了一种基于知识图谱的碳排放智能分析方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种基于知识图谱的碳排放智能分析方法及系统，以解决上述背景中的技术问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、第一方面，本专利技术提供了一种基于知识图谱的碳排放智能分析方法，具体包括以下步骤：
4、步骤一：构建关于碳排放的知识图谱；
5、步骤二：对构建完成的知识图谱进行分析，判断是否存在异常，生成异常信号；
6、步骤三：基于异常信号，获取知识图谱中不合理实体1对应的实体2组，增加新的三元组完善知识图谱；
7、步骤四：基于所有三元组对碳排放量变化趋势进行分析；
8、其中，变化趋势包括稳定趋势和非稳定趋势；
9、步骤五：基于标记的不稳定趋势，对碳排放量进行进一步分析。
10、作为本专利技术进一步的方案：所述生成异常信号的过程：
11、获取不合理实体1占比值，将不合理实体1占比值与不合理实体
12、若不合理实体1占比值大于不合理实体1占比阈值，则生成异常信号。
13、作为本专利技术进一步的方案：所述不合理实体1占比值的获取过程为：
14、统计每个三元组中实体2的数量；
15、将三元组中实体2的数量分别与实体2的预期数量进行比较；
16、若实体2的数量大于实体2的预期数量，则标记为不合理实体1；
17、统计不合理实体1的数量，将不合理实体1的数量与知识图谱中实体1的总数量进行比值处理，得到不合理实体1占比值。
18、作为本专利技术进一步的方案：所述步骤三的过程为：
19、基于生成的异常信号，获取知识图谱中不合理实体1以及对应的实体2组；
20、对于每个实体1，获取实体2组中的实体2数值对应的时间周期以及记录时间戳；
21、将时间周期按照从小至大的顺序进行依次排序并进行编号，将相邻的时间周期进行差值计算，得到时间周期差值；
22、将时间周期差值与时间周期差阈值进行比较，若时间周期差值大于时间周期差阈值，则生成偏差大信号；
23、获取生成偏差大信号对应时间周期的编号，对时间周期组别分类；
24、将每个组别中的时间周期进行求和取均值，得到时间周期均值，根据时间周期均值和记录时间戳增加新的三元组；
25、基础三元组：企业名称－碳排放量－碳排放数值；
26、时间段三元组：企业名称－记录时间戳－记录时间值；
27、归类三元组：企业名称－时间周期均值－包含记录时间值。
28、作为本专利技术进一步的方案：所述步骤四的过程为：
29、对同一个企业名称，提取同一个时间周期均值中包含的记录时间戳，获取这些记录时间戳对应的碳排放量；
30、将所有的碳排放量进行求和取均值，得到碳排放量均值，将所有的碳排放量与碳排放量均值进行差值计算，将差值取绝对值，得到碳排放量偏差值，将所有的碳排放量偏差值进行求和取均值，得到碳排放量偏差均值；
31、将碳排放量偏差值与碳排放量偏差均值进行比较；
32、若碳排放量偏差值小于等于碳排放量偏差均值，生成稳定数值；
33、若碳排放量偏差值大于碳排放量偏差均值，生成不稳定数值；
34、统计稳定数值数量与不稳定数值数量，并进行求和，得到总数量，将稳定数值数量与总数量进行比值处理，得到稳定数值占比；
35、将稳定数值占比与稳定数值占比阈值进行比较；
36、若稳定数值占比大于稳定数值占比阈值，则标记为稳定趋势；
37、若稳定数值占比小于等于稳定数值占比阈值，则标记为非稳定趋势。
38、作为本专利技术进一步的方案：所述步骤五的过程为：
39、获取增长子曲线段占比和增长斜率偏差比均值；
40、代入公式，计算得到分析判断值fx，其中，zb表示的是增长子曲线段占比，pc表示的是增长斜率偏差比均值，a1、a2、为预设比例系数。
41、作为本专利技术进一步的方案：所述增长子曲线段占比的获取过程为：
42、以时间为横坐标，以碳排放量为纵坐标，在平面坐标系中绘制碳排放量变化曲线；
43、将碳排放量变化曲线中相邻坐标点之间的曲线，标记为子曲线段；
44、计算每个子曲线段的斜率，统计斜率为正的子曲线段数量，标记为增长子曲线段；
45、需要说明的是，子曲线段的斜率由相邻两个坐标点进行计算；
46、将增长子曲线段数量与子曲线段总数量进行比值处理，得到增长子曲线段占比。
47、作为本专利技术进一步的方案：所述增长斜率偏差比均值的获取过程为：
48、提取增长子曲线段斜率，将增长子曲线段斜率与斜率限值进行差值计算，将差值取绝对值并与斜率限值进行比值处理，得到增长斜率偏差比，将所有的增长斜率偏差比进行求和取均值，得到增长斜率偏差比均值。
49、作为本专利技术进一步的方案：所述步骤五的过程还包括：
50、获取分析判断值，将分析判断值与分析判断阈值进行比较，
51、若分析判断值小于等于分析判断阈值，则生成不分析信号；
52、若分析判断值大于分析判断阈值，则生成分析信号。
53、第二方面，本专利技术提供了一种基于知识图谱的碳排放智能分析系统，该系统包括：
54、知识图谱构建模块：构建关于碳排放的知识图谱；
55、知识图谱异常判断模块：对构建完成的知识图谱进行分析，判断是否存在异常，生成异常信号；
56、知识图谱优化模块：基于异常信号，获取知识图谱中不合理实体1对应的实体2组，增加新的三元组完善知识图谱；
57、碳排放趋势判断模块：基于所有三元组对碳排放量变化趋势进行分析；
58、其中，变化趋势包括稳定趋势和非稳定趋势；
59、碳排放量分析模块：基于标记的不稳定趋势，对碳排放量进行进一步分析。
60、本专利技术的有益效果：
61、（1）本专利技术首先通过获取数据，建立知识图谱，在对知识图谱中的三元组进行分析，获取不合理实体1的数量，计算不合理实体1占比值，将不合理实体1占比值与阈值进行比较，判断所构建的知识图谱是否存在异常，从而及时的发现知识图谱中异常情况，为后续的碳排放分析提供有力和准确的数量支持；
6本文档来自技高网...
【技术保护点】
1.一种基于知识图谱的碳排放智能分析方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述生成异常信号的过程：
3.根据权利要求1所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述不合理实体1占比值的获取过程为：
4.根据权利要求1所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述步骤三的过程为：
5.根据权利要求1所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述步骤四的过程为：
6.根据权利要求1所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述步骤五的过程为：
7.根据权利要求6所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述增长子曲线段占比的获取过程为：
8.根据权利要求7所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述增长斜率偏差比均值的获取过程为：
9.根据权利要求6所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述步骤五的过程还包括：p>
10.一种基于知识图谱的碳排放智能分析系统，其特征在于，该系统用于执行上述权利要求1-9任一项所述的方法，该系统包括：
...【技术特征摘要】
1.一种基于知识图谱的碳排放智能分析方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述生成异常信号的过程：
3.根据权利要求1所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述不合理实体1占比值的获取过程为：
4.根据权利要求1所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述步骤三的过程为：
5.根据权利要求1所述的一种基于知识图谱的碳排放智能分析方法，其特征在于，所述步骤四的过程为：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：崔志强，周宜一，汤传栋，陈国伟，张平，史亚彬，蒋晓彤，
申请(专利权)人：铭瑞环境科技南京有限公司，
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。