基本信息:
- 专利标题： 基于ISSA-LSTM的企业碳排放预测方法及系统
- 申请号：CN202310245643.1 申请日：2023-03-09
- 公开(公告)号：CN116070532A 公开(公告)日：2023-05-05
- 发明人： 孙伟 , 林肖 , 李帷韬 , 李奇越 , 陈艺 , 杨瑞雪 , 包佳佳 , 丁洁 , 秦琪 , 赵龙 , 汪玉 , 李宾宾 , 陈庆涛 , 黄杰 , 刘鑫 , 杨孝忠 , 金义 , 尹睿涵 , 马路遥 , 陈清兵 , 范明豪 , 马亚彬 , 翟玥 , 苏文 , 吕鹏飞 , 刘耕云 , 宁杨
- 申请人： 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
- 申请人地址： 安徽省合肥市包河区屯溪路193号;
- 专利权人： 合肥工业大学,国网安徽省电力有限公司电力科学研究院
- 当前专利权人： 合肥工业大学,国网安徽省电力有限公司电力科学研究院
- 当前专利权人地址： 安徽省合肥市包河区屯溪路193号;
- 代理机构： 合肥市浩智运专利代理事务所
- 代理人： 丁瑞瑞
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F18/214 ; G06N3/0442 ; G06N3/08 ; G06Q50/26 ; G06Q10/04 ; G06F111/08
摘要：
本发明公开了基于ISSA‑LSTM的企业碳排放预测方法及系统，所述方法包括以下步骤：对历史碳排放数据进行预处理；构建碳排放LSTM模型；将碳排放LSTM模型的多个关键参数作为改进的麻雀搜索算法中麻雀的多维位置，对所述多个关键参数进行寻优，得到最优关键参数；利用最优关键参数构建碳排放LSTM模型，作为最优的碳排放LSTM模型；将预处理后的历史碳排放数据输入最优的碳排放LSTM模型，进行碳排放预测；本发明的优点在于：避免模型陷入局部最优，使得最终预测结果较为准确。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |