CN114330967A - 个人生活碳排量估计与排序比较方法 - Google Patents
个人生活碳排量估计与排序比较方法 Download PDFInfo
- Publication number
- CN114330967A CN114330967A CN202111216613.5A CN202111216613A CN114330967A CN 114330967 A CN114330967 A CN 114330967A CN 202111216613 A CN202111216613 A CN 202111216613A CN 114330967 A CN114330967 A CN 114330967A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- fuzzy
- fuzzy interval
- interval
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 92
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012163 sequencing technique Methods 0.000 title claims abstract description 10
- 230000006399 behavior Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000020595 eating behavior Effects 0.000 claims abstract description 8
- 235000006694 eating habits Nutrition 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims description 5
- 235000005686 eating Nutrition 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims 1
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 238000013480 data collection Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000001680 brushing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出个人生活碳排量估计与排序比较方法,包括如下步骤:采集获取个人的日常生活的衣食住行数据;对采集获取的衣食住行数据进行模糊区间化处理,根据各行为的碳排系数,计算得到用模糊区间数表达的各行为对应的碳排量;采用模糊区间加法,按不同时间尺度将个人各行为对应的碳排量相加,得到个人不同时间尺度上的总的碳排放量的模糊区间值;利用模糊区间大小比较方法,获得特定群体内个人在相同时间尺度上的碳排放量排序。本发明在一定群体范围内对个人生活碳排量进行有效大小比较排序,且分析结果合理准确。
Description
技术领域
本发明涉及城市电网规划评估技术领域,特别是个人生活碳排量估计与排 序比较方法。
背景技术
所谓低碳生活(Low Carbon Living),是指在生活中尽力减少所消耗的能量, 以减少二氧化碳的排放量,为生态文明做出贡献。随着时代的进步,低碳生活 理念越来越受到人们的关注和认可,人们希望了解自身日常生活的碳排情况, 目前针对某一具体行为产生的碳排有一定的测算依据,比如用1度电约等于排 放0.997kg二氧化碳,用1吨水约等于排放0.194kg二氧化碳,乘电梯上下一层 楼约等于排放0.218kg二氧化碳等,但尚缺乏对个人日常生活的实际碳排量总体 情况进行长时间有效统计分析和计算的手段。
人们的衣食住行各方面都会产生碳排,而且同一行为因为涉及的具体因素 的不同所产生碳排的程度也不同,比如:同样是开车出行,驾驶不同品牌的汽 车出行的单位公里碳排量显然不同;同样是吃猪肉,摄入量不同所产生的碳排 也不同;对日常涉及的所有碳排行为进行精确的碳排计算难度很大,也不现实。 因此,考虑人们日常生活行为的不确定性,借助模糊区间理论和方法对个人生 活中产生的碳排数据进行合理估计,并在一定群体范围内进行有效排序,对指 导人们分析个人碳排行为、养成低碳环保生活习惯,具有很好的参考价值和激 励作用。
发明内容
本发明的目的在于设计一种在一定群体范围内对个人生活碳排量进行有效 大小比较排序,且分析结果合理准确,具有很好的实用性、适应性和可推广性 的个人生活碳排量估计与排序比较方法。
本发明提供个人生活碳排量估计与排序比较方法,包括如下步骤:
采集获取个人的日常生活的衣食住行数据;
对采集获取的衣食住行数据进行模糊区间化处理,根据各行为的碳排系数, 计算得到用模糊区间数表达的各行为对应的碳排量;
采用模糊区间加法,按不同时间尺度将个人各行为对应的碳排量相加,得 到个人不同时间尺度上的总的碳排放量的模糊区间值;利用相同的方法获取个 人所在特定群体内每个人在不同时间尺度上的总的碳排放量的模糊区间值;
将特定群体内每个人在相同时间尺度上的总的碳排放量的模糊区间值求和, 再除以特定群体内总人数,得到该特定群体的人均模糊碳排值,进而得到基准 区间数,利用模糊区间大小比较方法,获得特定群体内个人在相同时间尺度上 的碳排放量排序。
进一步的,所述模糊区间大小比较方法为:
进一步的,个人的日常生活的衣食住行数据包括:发生时段、行为类型、 具体行为、持续时长及涉及数量。
本发明的优点和积极效果是:
本发明采用模糊区间运算方法对个人日常生活中产生的碳排数据进行合理 估计,并通过模糊区间大小比较方法在一定群体范围内对个人生活碳排量进行 有效大小比较排序,分析结果合理准确,方法具有很好的实用性、适应性和可 推广性。
附图说明
图1是本发明的个人生活碳排量估计与排序比较方法的流程图;
图2是本发明实施例中的三角模糊数示意图;
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实 施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。在附图中, 自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元 件。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过 参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本 发明的限制。基于本发明中的实施例,本领域普通技术人员在没有做出创造性 劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明的实施例进行详细说明。
本发明的个人生活碳排量估计与排序比较方法,如图1,包括如下步骤:
采集获取个人的日常生活的衣食住行数据;其中,个人的日常生活的衣食 住行数据包括:发生时段、行为类型、具体行为、持续时长及涉及数量;
对采集获取的衣食住行数据进行模糊区间化处理,根据各行为的碳排系数, 计算得到用模糊区间数表达的各行为对应的碳排量;其中,对采集获取的衣食 住行数据进行模糊区间化处理方法为:将衣食住行数据x处理得到三角模糊数B~ =(x,α,β),其中,(x,α,β)是指数据x取值在区间[x-α,x+β];
采用模糊区间加法,按不同时间尺度将个人各行为对应的碳排量相加,得 到个人不同时间尺度上的总的碳排放量的模糊区间值;利用相同的方法获取个 人所在特定群体内每个人在不同时间尺度上的总的碳排放量的模糊区间值;
将特定群体内每个人在相同时间尺度上的总的碳排放量的模糊区间值求和, 再除以特定群体内总人数,得到该特定群体的人均模糊碳排值,进而得到基准 区间数,利用模糊区间大小比较方法,获得特定群体内个人在相同时间尺度上 的碳排放量排序。
具体的,所述模糊区间大小比较方法为:
需要说明的是,个人衣食住行各行为对应的碳排系数(单位碳排量)为已 知的,具体如表1所示:
表1个人衣食住行各行为对应的碳排系数(单位碳排量)
具体的,在本实施例中,以某人的生活碳排量估计与其在所居住小区的排 序为实例进行计算分析,具体如下:
1、数据收集:对个人生活行为进行数据采集,所采集数据如表2所示:
表2某人在某日的生活行为采集数据
2.个人生活碳排量估计:对采集获取的衣食住行数据进行模糊区间化处理, 根据各行为的碳排系数,计算得到用模糊区间数表达的各行为对应的碳排量;
模糊数为给定论域U上的一个模糊集,是指对任何x∈U,都有一个数μ(x) ∈[0,1]与之对应,μ(x)称为x对U的隶属度,μ称为x的隶属函数,也就是 模糊数。模糊数通常分为三角模糊数和梯形模糊数;以三角模糊数为例,图2 为三角模糊数
这里,(x,α,β)的含义是数据取值在区间[x-α,x+β]上,取值为x的隶属度函 数用下式表达:
对采集记录的衣食住行数据,对“在值x附近”、“大约为值x”,用三角模 糊区间数进行模糊区间化处理;对三角模糊数可以用区间[x0-α,x0+β]来近似表 达,这里α和β可根据实际行为选取不同的经验数值,如取为0.5×x0或0.2×x0等;比如洗脸刷牙用水约0.1L,用(0.1,0.05,0.05)L表示,这里α和β取为 0.5×x0;开车约0.5h,用(0.5,0.1,0.1)L表示,这里α和β取为0.2×x0;对 已知精确的数值,α和β取为0,比如坐电梯上到19层楼,用(19,0,0)表示; 从而得到模糊区间化处理结果如表3:
表3某人在某日的生活行为采集数据的模糊区间化处理
根据表1各行为的碳排系数,计算得到用模糊区间数表达的各行为对应的 碳排量,计算结果见表4:
这里用到模糊区间数与实数的乘法法则:对于三角模糊区间数(x0,α,β),则 有(x0,α,β)*λ=(x0*λ,α*λ,β*λ);
表4某人在某日的生活行为碳排量估计
3、采用模糊区间数加法,将某人一天内各行为对应的碳排放量相加,得到 其一天总的碳排放量。
这里用到模糊区间数的加法法则:
该算例中,表4中某人一天内各行为对应的碳排放量相加的结果约为(46.38,5.15,5.15)kg。
将某人一周每天的碳排放量相加,得到其一周碳排放总量的模糊区间值; 将某人一月每天的碳排放量相加,得到其一个月碳排放总量的模糊区间值;按 照上述几步的方法,得到某人所在小区各人的日、周和年碳排量模糊区间值作 为待比较区间数,除以所在小区待比较的人数,得到的模糊碳排均值(xm,αm,βm), 进而得到基准区间数[xm-αm,xm+βm]。假设某日3个人甲、乙、丙的模糊碳排量 分别为(46.38,5.15,5.15)kg,(44.02,4.95,4.95)kg和(44.60,4.90,4.90) kg,则得到这3个人的模糊碳排均值为(45.0,5.0,5.0)kg,从而取区间[40.0,
代入可信度度量表达式:
同理,将个人在一周或一个月的碳排量与周或月基准区间数进行大小比较, 根据比较结果可对个人周或月碳排量由小到大排序。
本发明以某居民小区120名志愿者生活碳排数据信息进行了实例分析,其 估计结果与实际情况相符;利用该方法进行碳排排序的结果,有效考虑了不确 定性,实践证明,估计和排序结果得到人们认可,对指导人们分析个人碳排行 为,养成低碳环保生活习惯,具有良好促进作用。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其 限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人 员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对 其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案 的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.个人生活碳排量估计与排序比较方法,其特征在于,包括如下步骤:
采集获取个人的日常生活的衣食住行数据;
对采集获取的衣食住行数据进行模糊区间化处理,根据各行为的碳排系数,计算得到用模糊区间数表达的各行为对应的碳排量;
采用模糊区间加法,按不同时间尺度将个人各行为对应的碳排量相加,得到个人不同时间尺度上的总的碳排放量的模糊区间值;利用相同的方法获取个人所在特定群体内每个人在不同时间尺度上的总的碳排放量的模糊区间值;
将特定群体内每个人在相同时间尺度上的总的碳排放量的模糊区间值求和,再除以特定群体内总人数,得到该特定群体的人均模糊碳排值,进而得到基准区间数,利用模糊区间大小比较方法,获得特定群体内个人在相同时间尺度上的碳排放量排序。
4.根据权利要求1所述的个人生活碳排量估计与排序比较方法,其特征在于,个人的日常生活的衣食住行数据包括:发生时段、行为类型、具体行为、持续时长及涉及数量。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111216613.5A CN114330967A (zh) | 2021-10-19 | 2021-10-19 | 个人生活碳排量估计与排序比较方法 |
PCT/CN2021/125197 WO2023065201A1 (zh) | 2021-10-19 | 2021-10-21 | 个人生活碳排量估计与排序比较方法 |
US17/607,034 US20230122675A1 (en) | 2021-10-19 | 2021-10-21 | Estimation and ranking method for carbon emission of individual life |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111216613.5A CN114330967A (zh) | 2021-10-19 | 2021-10-19 | 个人生活碳排量估计与排序比较方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114330967A true CN114330967A (zh) | 2022-04-12 |
Family
ID=81044529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111216613.5A Pending CN114330967A (zh) | 2021-10-19 | 2021-10-19 | 个人生活碳排量估计与排序比较方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114330967A (zh) |
WO (1) | WO2023065201A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289721A (zh) * | 2011-04-22 | 2011-12-21 | 华中科技大学 | 用于日常生活的碳排放监测与计量服务系统 |
CN107341330A (zh) * | 2016-04-29 | 2017-11-10 | 苏州碳阻迹环境技术服务有限公司 | 公众碳排放监测计算系统 |
CN110414801A (zh) * | 2019-07-08 | 2019-11-05 | 中国科学院地理科学与资源研究所 | 一种评估城乡居民间接能源消费碳排放的方法 |
AU2021104467A4 (en) * | 2021-07-23 | 2021-08-26 | Institute Of Urban Environment, Chinese Academy Of Sciences | Method and system for determining building operational energy consumption carbon emissions driven by target source |
CN113469581B (zh) * | 2021-08-31 | 2022-02-01 | 阿里云计算有限公司 | 碳账户数据确定方法、碳管理平台及存储介质 |
-
2021
- 2021-10-19 CN CN202111216613.5A patent/CN114330967A/zh active Pending
- 2021-10-21 WO PCT/CN2021/125197 patent/WO2023065201A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023065201A1 (zh) | 2023-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Loomis et al. | Testing significance of multi-destination and multi-purpose trip effects in a travel cost method demand model for whale watching trips | |
Farris | The meaning of relationship and taxonomic procedure | |
Matteson et al. | Forecasting emergency medical service call arrival rates | |
Veith et al. | Cost-effective BMP placement: Optimization versus targeting | |
Bhat | An analysis of evening commute stop-making behavior using repeated choice observations from a multi-day survey | |
Horne et al. | A synoptic model of animal space use: simultaneous estimation of home range, habitat selection, and inter/intra-specific relationships | |
Long et al. | A comparison of two modeling approaches for evaluating wildlife‐habitat relationships | |
CN110276393A (zh) | 一种绿色建筑能耗复合预测方法 | |
CN106372739B (zh) | 一种基于需求响应基线的需求响应效果评估方法 | |
CN111967723A (zh) | 一种基于数据挖掘的用户调峰潜力分析方法 | |
Hafezi et al. | Identification of representative patterns of time use activity through fuzzy C-means clustering | |
US20230122675A1 (en) | Estimation and ranking method for carbon emission of individual life | |
CN114091980A (zh) | 基于分布式监测的碳排放量计算方法、装置及存储介质 | |
CN114330967A (zh) | 个人生活碳排量估计与排序比较方法 | |
Anderson et al. | Age at marriage in Malaysia: A hazard model of marriage timing | |
Parken et al. | Genetic and coded wire tag results combine to allow more-precise management of a complex Chinook salmon aggregate | |
CN102521655A (zh) | 基于非支配邻域免疫算法的动态网络社区检测方法 | |
Parasiewicz et al. | Comparison of MesoHABSIM with two microhabitat models (PHABSIM and HARPHA) | |
Bolduc et al. | Testimonials to reconstruct past abundances of wildlife populations | |
Rasaizadi et al. | Machine learning approach versus probabilistic approach to model the departure time of non-mandatory trips | |
Kawai et al. | Combining energetic profitability and cover effects to evaluate salmonid habitat quality | |
CN108133296B (zh) | 基于活动的社交网络下的一种结合环境数据的活动出席预测方法 | |
Enam et al. | Day pattern generation system for jointly modeling tours and stops: Bi-level multiple discrete continuous probit model | |
Martin | Spatial and temporal participation in recreational fishing | |
CN112686469A (zh) | 基于电力大数据的家庭人口数预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |