CN116187621A - 一种碳排放监测方法及装置 - Google Patents

一种碳排放监测方法及装置 Download PDF

Info

Publication number
CN116187621A
CN116187621A CN202310205085.6A CN202310205085A CN116187621A CN 116187621 A CN116187621 A CN 116187621A CN 202310205085 A CN202310205085 A CN 202310205085A CN 116187621 A CN116187621 A CN 116187621A
Authority
CN
China
Prior art keywords
carbon emission
target
region
global
index
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.)
Granted
Application number
CN202310205085.6A
Other languages
English (en)
Other versions
CN116187621B (zh
Inventor
邓旭辉
杨亦民
王梓龙
梁涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Huigao Material Technology Co ltd
Original Assignee
Shenzhen Weixincheng Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Weixincheng Technology Co ltd filed Critical Shenzhen Weixincheng Technology Co ltd
Priority to CN202310205085.6A priority Critical patent/CN116187621B/zh
Publication of CN116187621A publication Critical patent/CN116187621A/zh
Application granted granted Critical
Publication of CN116187621B publication Critical patent/CN116187621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2237—Vectors, bitmaps or matrices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Remote Sensing (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及环境监测领域，揭露一种碳排放监测方法，包括：获取待监测碳排放的目标地区及其周边地区，获取目标地区和周边地区的历史碳排放数据和实时碳排放数据，根据历史碳排放数据，识别目标地区的碳排放影响因子，根据碳排放影响因子和历史碳排放数据，构建目标地区与周边地区之间的空间权重矩阵；根据历史碳排放数据、碳排放影响因子以及空间权重矩阵，构建目标地区的碳排放监测模型，根据碳排放监测模型和实时碳排放数据，计算目标地区的目标碳排放量；计算目标地区的全局莫兰指数和局部莫兰指数，根据全局莫兰指数和局部莫兰指数，分析目标地区的空间相关性并生成目标地区的碳排放监测报告。本发明可以提高碳排放监测的准确安全性。

Description

一种碳排放监测方法及装置
技术领域
本发明涉及环境监测领域，尤其涉及一种碳排放监测方法及装置。
背景技术
工业革命以来，社会发展使得大气中的碳排放量增加了约25％—30％，因人类活动所造成的大气中的温室气体的增加导致全球气候变暖、大气污染严重、全球大范围的雾霾污染情况频繁等问题逐渐显露出来。温室气体中，二氧化碳作为典型代表，减少其排放量，一直是各国政府在实现《巴黎协定》中强调的全球温升控制目标。
在以往对碳排放的研究中，业内大多还是采用利用碳排放影响因子构建单一的监测模型来监测碳排放数据的时间序列特性和截面特性的方式，但这种方式缺乏待监测碳排放地区与周边地区之间的对比，从而无法准确全面地监测碳排放量的空间关系及未来发展趋势。
发明内容
本发明提供一种碳排放监测方法及装置，其主要目的在于提高碳排放监测的准确全面性。
为实现上述目的，本发明提供的一种碳排放监测方法，包括：
获取待监测碳排放的目标地区及其周边地区，获取所述目标地区和所述周边地区的历史碳排放数据，根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子，根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵；
根据所述历史碳排放数据、所述碳排放影响因子以及所述空间权重矩阵，构建所述目标地区的碳排放监测模型，获取所述目标地区和所述周边地区的实时碳排放数据，根据所述碳排放监测模型和所述实时碳排放数据，计算所述目标地区的目标碳排放量；
根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数，根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性；
根据所述目标碳排放量和所述空间相关性，生成所述目标地区的碳排放监测报告。
可选地，所述根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵，包括：
利用下述公式构建所述目标地区与所述周边地区之间的空间权重矩阵：
Figure BDA0004110587320000021
/>
Figure BDA0004110587320000022
其中，W表示目标地区与其周边地区之间的空间权重矩阵，kij表示地区i与地区j之间碳排放联系的贡献度，F表示碳排放影响因子，Dij表示地区i与地区j之间球面地理距离，g表示人均地区生产总值，C表示地区碳排放量，i表示地区序号，j表示地区序号。
可选地，所述根据所述历史碳排放数据、所述碳排放影响因子以及所述空间权重矩阵，构建所述目标地区的碳排放监测模型，包括：
根据所述碳排放影响因子和所述空间权重矩阵，构建所述目标地区的碳排放初始模型；
根据所述历史碳排放数据和所述碳排放初始模型，计算所述碳排放初始模型中的估计参数；
根据所述估计参数和所述碳排放初始模型，确定所述目标地区的碳排放监测模型。
可选地，所述根据所述碳排放影响因子和所述空间权重矩阵，构建所述目标地区的碳排放初始模型，包括：
利用下述公式构建所述目标地区的碳排放初始模型：
Figure BDA0004110587320000023
其中，I(i，t)表示序号为i的目标地区在时刻t的碳排放初始模型，μ表示目标地区碳排放常参数，F表示碳排放影响因子，α表示碳排放影响因子的弹性系数，ρ1表示碳排放空间自回归系数，W表示空间权重矩阵，ρ2表示周边地区碳排放影响因子空间自相关系数，k表示碳排放影响因子序号，n表示碳排放影响因子的数量，i表示目标地区的序号，j表示目标地区的周边地区的序号，ε表示误差项，Π表示连乘符号。
可选地，所述根据所述历史碳排放数据和所述碳排放初始模型，计算所述碳排放初始模型中的估计参数，包括：
筛选所述历史碳排放数据中的样本数据，利用所述碳排放初始模型和所述样本数据，计算样本回归矩阵；
计算所述样本回归矩阵的目标函数，计算所述目标函数最小时的最优解，根据所述最优解，确定所述碳排放初始模型中的估计参数。
可选地，所述根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数，包括：
利用下述公式计算所述目标地区的全局莫兰指数和局部莫兰指数：
Figure BDA0004110587320000031
Figure BDA0004110587320000032
/>
Figure BDA0004110587320000033
Figure BDA0004110587320000034
其中，GMor表示目标地区的全局莫兰指数，LMork表示目标地区k的局部莫兰指数，wij表示空间权重矩阵第i行第j列元素，wkj表示空间权重矩阵第k行第j列元素，xi，xj分别表示地区i和地区j的碳排放量，
Figure BDA0004110587320000037
表示目标地区和周边地区所有地区的碳排放量均值，S2表示目标地区和周边地区所有地区的碳排放量方差，i表示地区的序号，j表示地区的序号，k表示目标地区的序号，n表示目标地区和周边地区所有地区的数量。
可选地，所述根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性，包括：
计算所述全局莫兰指数的全局显著得分，根据所述全局显著得分和预设置信度，确定所述全局莫兰指数的全局显著性；
根据所述全局显著性和所述全局莫兰指数，确定所述目标地区的全局空间相关性，所述全局空间相关性的状态包括相关和不相关；
在所述全局空间相关性的状态为相关时，计算所述局部莫兰指数的局部显著得分，根据所述局部显著得分和所述预设置信度，确定所述局部莫兰指数的局部显著性；
根据所述局部显著性和所述局部莫兰指数，确定所述目标地区的局部空间相关性，在所述局部空间相关性的状态为相关时，根据所述局部莫兰指数，分析所述目标地区的空间相关性。
可选地，所述计算所述全局莫兰指数的全局显著得分，包括：
利用下述公式计算所述全局莫兰指数的全局显著得分：
Figure BDA0004110587320000035
Figure BDA0004110587320000036
Var(GMor)＝E(GMor2)-E(GMor)2
其中，GZ表示全局莫兰指数的全局显著得分，GMor表示全局莫兰指数，E(GMor)表示全局莫兰指数理论期望值，Var9GMor)表示全局莫兰指数理论方差。
可选地，所述根据所述局部莫兰指数，分析所述目标地区的空间相关性，包括：
获取所述目标地区的周边地区及整个分析区域，所述整个分析区域包括所述目标地区和所述周边地区，计算所述整个分析区域的碳排放量均值，并计算所述目标地区与所述碳排放量均值之间的目标地区差值；
分析所述目标地区差值和所述局部莫兰指数之间的结构关系，计算所述周边地区与所述碳排放量均值之间的周边地区差值；
根据所述结构关系、目标地区差值及周边地区差值，判定所述目标地区差值和所述周边地区差值的目标正负值和周边正负值；
根据所述目标正负值和所述周边正负值，分析所述目标地区与所述周边地区相对于所述碳排放量均值的空间相关性。
为了解决上述问题，本发明还提供一种碳排放监测装置，所述装置包括：
空间权重矩阵构建模块，用于获取待监测碳排放的目标地区及其周边地区，获取所述目标地区和所述周边地区的历史碳排放数据，根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子，根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵；
目标碳排放量计算模块，用于根据所述历史碳排放数据、所述碳排放影响因子以及所述空间权重矩阵，构建所述目标地区的碳排放监测模型，获取所述目标地区和所述周边地区的实时碳排放数据，根据所述碳排放监测模型和所述实时碳排放数据，计算所述目标地区的目标碳排放量；
空间相关性分析模块，用于根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数，根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性；
监测报告生成模块，用于根据所述目标碳排放量和所述空间相关性，生成所述目标地区的碳排放监测报告。
可以看出，本发明实施例通过获取待监测碳排放的目标地区及其周边地区，获取所述目标地区和所述周边地区的历史碳排放数据可以得到目标地区及其周边地区的历史监测数据，为后续分析碳排放影响因子和构建碳排放监测模型提供基本数据对象，根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子可以确定目标地区碳排放的决定因素，以为后续构建目标地区的更准确的碳排放监测模型，并根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵可以为后续构建碳排放监测模型提供参数依据；其次，本发明实施例通过根据所述历史碳排放数据和所述碳排放影响因子，构建所述目标地区的碳排放监测模型对后续更为准确的计算目标地区的目标碳排放量具有决定性作用，并获取所述目标地区和所述周边地区的实时碳排放数据为计算目标地区的目标碳排放量提供碳排放影响因子的相关数据，及根据所述碳排放监测模型和所述实时碳排放数据，计算所述目标地区的目标碳排放量可得到目标地区碳排放量更准确的监测结果，实现问题意图的基本层面；进一步地，本发明实施例通过根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数可以得到目标地区的全局空间相关性和局部空间相关性的判断指标，并根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性可以判定所述目标地区在所处的周边地区及整个分析区域的全局空间相关性和局部空间相关性，以为后续对所述目标地区与所述周边地区的空间关系作出判断，最后根据所述目标碳排放量和所述空间相关性，生成所述目标地区的碳排放监测报告不仅可以得到目标地区碳排放量更准确的监测结果实现问题意图的基本层面，而且可以得到目标地区与周边地区之间的空间相关性，实现对问题意图更深层次的分析。因此，本发明实施例提出的一种碳排放监测方法及装置，可以提高碳排放监测的准确全面性。
附图说明
图1为本发明一实施例提供的碳排放监测方法的流程示意图；
图2为本发明一实施例提供的碳排放监测装置的模块示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种碳排放监测方法。所述碳排放监测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述碳排放监测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的碳排放监测方法的流程示意图。在本发明实施例中，所述碳排放监测方法包括：
S1、获取待监测碳排放的目标地区及其周边地区，获取所述目标地区和所述周边地区的历史碳排放数据，根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子，根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵。
本发明实施例中，所述目标地区是指将要对碳排放量进行监测的地理区域范围。所述周边地区是指所述目标地区附近的地方。所述目标地区和所述周边地区都可以通过数据脚本获取，所述数据脚本可以通过JS脚本语言进行编译。所述所述历史碳排放数据是指所述目标地区和所述周边地区以往的碳排放信息，包括碳排放量、人口规模、人均GDP、城镇化水平、产业结构、能源强度等，其可通过查询《中国统计年鉴》、中国碳核算数据库实现。
进一步地，本发明实施例通过根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子可以确定目标地区碳排放的决定因素，以为后续构建目标地区的更准确的碳排放监测模型。
进一步地，作为本发明的一个可选实施例，所述根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子，包括：获取待监测碳排放的目标区域，识别所述目标区域碳排放的业务场景；根据所述业务场景和所述历史碳排放数据，确定所述目标区域的碳排放的监测指标；分析所述监测指标的构成因素，识别所述构成因素中的碳排放影响因子。
进一步地，作为本发明的一个可选实施例，所述分析所述监测指标的构成因素，识别所述构成因素中的碳排放影响因子可以通过主成分分析法、因子分析法等实现。
进一步地，本发明实施例通过根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵可以为后续构建碳排放监测模型提供参数依据。
进一步地，作为本发明的一个可选实施例，所述根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵，包括：
利用下述公式构建所述目标地区与所述周边地区之间的空间权重矩阵：
Figure BDA0004110587320000071
Figure BDA0004110587320000072
其中，W表示目标地区与其周边地区之间的空间权重矩阵，kij表示地区i与地区j之间碳排放联系的贡献度，F表示碳排放影响因子，Dij表示地区i与地区j之间球面地理距离，g表示人均地区生产总值，C表示地区碳排放量，i表示地区序号，j表示地区序号。
S2、根据所述历史碳排放数据、所述碳排放影响因子以及所述空间权重矩阵，构建所述目标地区的碳排放监测模型，获取所述目标地区和所述周边地区的实时碳排放数据，根据所述碳排放监测模型和所述实时碳排放数据，计算所述目标地区的目标碳排放量。
本发明实施例通过根据所述历史碳排放数据和所述碳排放影响因子，构建所述目标地区的碳排放监测模型对后续更为准确的计算目标地区的目标碳排放量具有决定性作用。
进一步地，作为本发明的一个可选实施例，所述根据所述历史碳排放数据、所述碳排放影响因子以及所述空间权重矩阵，构建所述目标地区的碳排放监测模型，包括：根据所述碳排放影响因子和所述空间权重矩阵，构建所述目标地区的碳排放初始模型；根据所述历史碳排放数据和所述碳排放初始模型，计算所述碳排放初始模型中的估计参数；根据所述估计参数和所述碳排放初始模型，确定所述目标地区的碳排放监测模型。其中，所述估计参数是指碳排放初始模型中的未知参数。
进一步地，作为本发明的一个可选实施例，所述根据所述碳排放影响因子和所述空间权重矩阵，构建所述目标地区的碳排放初始模型，包括：
利用下述公式构建所述目标地区的碳排放初始模型：
Figure BDA0004110587320000073
其中，I(i，t)表示序号为i的目标地区在时刻t的碳排放初始模型，μ表示目标地区碳排放常参数，F表示碳排放影响因子，α表示碳排放影响因子的弹性系数，ρ1表示碳排放空间自回归系数，W表示空间权重矩阵，ρ2表示周边地区碳排放影响因子空间自相关系数，k表示碳排放影响因子序号，n表示碳排放影响因子的数量，i表示目标地区的序号，j表示目标地区的周边地区的序号，ε表示误差项，П表示连乘符号。
进一步地，作为本发明的一个可选实施例，所述根据所述历史碳排放数据和所述碳排放初始模型，计算所述碳排放初始模型中的估计参数，包括：筛选所述历史碳排放数据中的样本数据，利用所述碳排放初始模型和所述样本数据，计算样本回归矩阵；计算所述样本回归矩阵的目标函数，计算所述目标函数最小时的最优解，根据所述最优解，确定所述碳排放初始模型中的估计参数。
进一步地，本发明实施例通过获取所述目标地区和所述周边地区的实时碳排放数据为计算目标地区的目标碳排放量提供碳排放影响因子的相关数据，其可使用烟气在线监测系统(CEMS)直接测量。
进一步地，本发明实施例通过根据所述碳排放监测模型和所述实时碳排放数据，计算所述目标地区的目标碳排放量可得到目标地区碳排放量更准确的监测结果，实现问题意图的基本层面，其可通过将所述实时碳排放数据代入所述碳排放监测模型中计算可得。
S3、根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数，根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性。
本发明实施例通过根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数可以得到目标地区的全局空间相关性和局部空间相关性的判断指标。其中，所述全局莫兰指数是指用来衡量整个空间自相关程度的一个综合性评价标准，其可用来判定空间是否出现了集聚或异常值，范围在[-1,1]之间。所述局部莫兰指数是指对所述整个空间的某个局部区域判定是否出现集聚或异常值的局部评价标准。
进一步地，作为本发明的一个可选实施例，所述根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数，包括：
利用下述公式计算所述目标地区的全局莫兰指数和局部莫兰指数：
Figure BDA0004110587320000081
Figure BDA0004110587320000082
Figure BDA0004110587320000083
Figure BDA0004110587320000084
其中，GMor表示目标地区的全局莫兰指数，LMork表示目标地区k的局部莫兰指数，wij表示空间权重矩阵第i行第j列元素，wkj表示空间权重矩阵第k行第j列元素，xi，xj分别表示地区i和地区j的碳排放量，
Figure BDA0004110587320000093
表示目标地区和周边地区所有地区的碳排放量均值，S2表示目标地区和周边地区所有地区的碳排放量方差，i表示地区的序号，j表示地区的序号，k表示目标地区的序号，n表示目标地区和周边地区所有地区的数量。
进一步地，本发明实施例通过根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性可以判定所述目标地区在所处的周边地区及整个分析区域的全局空间相关性和局部空间相关性，以为后续对所述目标地区与所述周边地区的空间关系作出判断。
进一步地，作为本发明的一个可选实施例，所述根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性，包括：计算所述全局莫兰指数的全局显著得分，根据所述全局显著得分和预设置信度，确定所述全局莫兰指数的全局显著性；根据所述全局显著性和所述全局莫兰指数，确定所述目标地区的全局空间相关性，所述全局空间相关性的状态包括相关和不相关；在所述全局空间相关性的状态为相关时，计算所述局部莫兰指数的局部显著得分，根据所述局部显著得分和所述预设置信度，确定所述局部莫兰指数的局部显著性；根据所述局部显著性和所述局部莫兰指数，确定所述目标地区的局部空间相关性，在所述局部空间相关性的状态为相关时，根据所述局部莫兰指数，分析所述目标地区的空间相关性。其中，所述预设置信度是指总体参数值落在样本统计值一定允许的误差范围以内的概率，一般可设定为0.05或0.1等。
进一步地，作为本发明的一个可选实施例，所述计算所述全局莫兰指数的全局显著得分，包括：
利用下述公式计算所述全局莫兰指数的全局显著得分：
Figure BDA0004110587320000091
Figure BDA0004110587320000092
Var(GMor)＝E(GMor2)-E(GMor)2
其中，GZ表示全局莫兰指数的全局显著得分，GMor表示全局莫兰指数，E(GMor)表示全局莫兰指数理论期望值，Var(GMor)表示全局莫兰指数理论方差。
进一步地，作为本发明的一个可选实施例，所述根据所述全局显著得分和预设置信度，确定所述全局莫兰指数的全局显著性，包括：查询所述预设置信度对应的显著水平阈值，计算所述全局显著得分的得分绝对值，在所述得分绝对值大于所述显著水平阈值时，判定所述全局莫兰指数存在全局显著性；在所述得分绝对值不大于所述显著水平阈值时，判定所述全局莫兰指数不存在全局显著性。
进一步地，作为本发明的一个可选实施例，所述根据所述全局显著性和所述全局莫兰指数，确定所述目标地区的全局空间相关性，包括：在所述全局显著性存在时，当所述全局莫兰指数大于预设指数阈值时，确定所述目标地区具有全局空间正相关性；当所述全局莫兰指数小于预设指数阈值时，确定所述目标地区具有全局空间负相关性；当所述全局莫兰指数等于预设指数阈值时，确定所述目标地区不具有全局空间相关性。其中，所述预设指数阈值是指能够判断全局莫兰指数具有不同空间特性的临界值，一般设定为0。
需要说明的是，所述局部显著得分、所述局部显著性与所述全局显著得分、所述全局显著性的计算原理相同，在此不再赘述。
进一步地，作为本发明的一个可选实施例，所述根据所述局部莫兰指数，分析所述目标地区的空间相关性，包括：获取所述目标地区的周边地区及整个分析区域，所述整个分析区域包括所述目标地区和所述周边地区，计算所述整个分析区域的碳排放量均值，并计算所述目标地区与所述碳排放量均值之间的目标地区差值；分析所述目标地区差值和所述局部莫兰指数之间的结构关系，计算所述周边地区与所述碳排放量均值之间的周边地区差值；根据所述结构关系、目标地区差值及周边地区差值，判定所述目标地区差值和所述周边地区差值的目标正负值和周边正负值；根据所述目标正负值和所述周边正负值，分析所述目标地区与所述周边地区相对于所述碳排放量均值的空间相关性。
可选地，作为本发明的一个可选实施例，所述根据所述目标正负值和所述周边正负值，分析所述目标地区与所述周边地区相对于所述碳排放量均值的空间相关性，包括：在所述目标正负值大于预设正负阈值以及所述周边正负值大于预设正负阈值时，判定所述目标地区与所述周边地区相对于所述碳排放量均值都是碳排放高高聚集区；在所述目标正负值大于预设正负阈值以及所述周边正负值小于预设正负阈值时，判定所述目标地区与所述周边地区相对于所述碳排放量均值都是碳排放高低聚集区；在所述目标正负值小于预设正负阈值以及所述周边正负值大于预设正负阈值时，判定所述目标地区与所述周边地区相对于所述碳排放量均值都是碳排放低高聚集区；在所述目标正负值小于预设正负阈值以及所述周边正负值小于预设正负阈值时，判定所述目标地区与所述周边地区相对于所述碳排放量均值都是碳排放低低聚集区。
其中，所述预设正负阈值是指判断某个值是正数、负数或0的临界值，通常设定为0。所述碳排放高高聚集区、所述碳排放高低聚集区、所述碳排放低高聚集区及所述碳排放低低聚集区是用于表征所述目标地区与所述周边地区相对于所述碳排放量均值的空间相关性，如所述碳排放高高聚集区可理解为所述目标地区是相对于所述碳排放量均值的高碳排放地区，所述目标地区的所述周边地区也是相对于所述碳排放量均值的高碳排放地区，其他聚集区的理解类同。
S4、根据所述目标碳排放量和所述空间相关性，生成所述目标地区的碳排放监测报告。
本发明实施例通过根据所述目标碳排放量和所述空间相关性，生成所述目标地区的碳排放监测报告不仅可以得到目标地区碳排放量更准确的监测结果实现问题意图的基本层面，而且可以得到目标地区与周边地区之间的空间相关性，实现对问题意图更深层次的分析。所述目标地区的碳排放监测报告可以通过将所述目标碳排放量和所述空间相关性进行融合实现。
可以看出，本发明实施例通过获取待监测碳排放的目标地区及其周边地区，获取所述目标地区和所述周边地区的历史碳排放数据可以得到目标地区及其周边地区的历史监测数据，为后续分析碳排放影响因子和构建碳排放监测模型提供基本数据对象，根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子可以确定目标地区碳排放的决定因素，以为后续构建目标地区的更准确的碳排放监测模型，并根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵可以为后续构建碳排放监测模型提供参数依据；其次，本发明实施例通过根据所述历史碳排放数据和所述碳排放影响因子，构建所述目标地区的碳排放监测模型对后续更为准确的计算目标地区的目标碳排放量具有决定性作用，并获取所述目标地区和所述周边地区的实时碳排放数据为计算目标地区的目标碳排放量提供碳排放影响因子的相关数据，及根据所述碳排放监测模型和所述实时碳排放数据，计算所述目标地区的目标碳排放量可得到目标地区碳排放量更准确的监测结果，实现问题意图的基本层面；进一步地，本发明实施例通过根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数可以得到目标地区的全局空间相关性和局部空间相关性的判断指标，并根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性可以判定所述目标地区在所处的周边地区及整个分析区域的全局空间相关性和局部空间相关性，以为后续对所述目标地区与所述周边地区的空间关系作出判断，最后根据所述目标碳排放量和所述空间相关性，生成所述目标地区的碳排放监测报告不仅可以得到目标地区碳排放量更准确的监测结果实现问题意图的基本层面，而且可以得到目标地区与周边地区之间的空间相关性，实现对问题意图更深层次的分析。因此，本发明实施例提出的一种碳排放监测方法及装置，可以提高碳排放监测的准确全面性。
如图2所示，是本发明碳排放监测装置的功能模块图。
本发明所述碳排放监测装置100可以安装于电子设备中。根据实现的功能，所述碳排放监测装置可以包括空间权重矩阵构建模块101、目标碳排放量计算模块102、空间相关性分析模块103以及监测报告生成模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备的处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述空间权重矩阵构建模块101，用于获取待监测碳排放的目标地区及其周边地区，获取所述目标地区和所述周边地区的历史碳排放数据，根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子，根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵；
所述目标碳排放量计算模块102，用于根据所述历史碳排放数据、所述碳排放影响因子以及所述空间权重矩阵，构建所述目标地区的碳排放监测模型，获取所述目标地区和所述周边地区的实时碳排放数据，根据所述碳排放监测模型和所述实时碳排放数据，计算所述目标地区的目标碳排放量；
所述空间相关性分析模块103，用于根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数，根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性；
所述监测报告生成模块104，用于根据所述目标碳排放量和所述空间相关性，生成所述目标地区的碳排放监测报告。
详细地，本发明实施例中所述碳排放监测装置100中的所述各模块在使用时采用与上述的图1中所述的碳排放监测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种碳排放监测方法，其特征在于，所述方法包括：
获取待监测碳排放的目标地区及其周边地区，获取所述目标地区和所述周边地区的历史碳排放数据，根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子，根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵；
根据所述历史碳排放数据、所述碳排放影响因子以及所述空间权重矩阵，构建所述目标地区的碳排放监测模型，获取所述目标地区和所述周边地区的实时碳排放数据，根据所述碳排放监测模型和所述实时碳排放数据，计算所述目标地区的目标碳排放量；
根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数，根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性；
根据所述目标碳排放量和所述空间相关性，生成所述目标地区的碳排放监测报告。
2.如权利要求1所述的碳排放监测方法，其特征在于，所述根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵，包括：
利用下述公式构建所述目标地区与所述周边地区之间的空间权重矩阵：
Figure FDA0004110587290000011
Figure FDA0004110587290000012
其中，W表示目标地区与其周边地区之间的空间权重矩阵，kij表示地区i与地区j之间碳排放联系的贡献度，F表示碳排放影响因子，Dij表示地区i与地区j之间球面地理距离，g表示人均地区生产总值，C表示地区碳排放量，i表示地区序号，j表示地区序号。
3.如权利要求1所述的碳排放监测方法，其特征在于，所述根据所述历史碳排放数据、所述碳排放影响因子以及所述空间权重矩阵，构建所述目标地区的碳排放监测模型，包括：
根据所述碳排放影响因子和所述空间权重矩阵，构建所述目标地区的碳排放初始模型；
根据所述历史碳排放数据和所述碳排放初始模型，计算所述碳排放初始模型中的估计参数；
根据所述估计参数和所述碳排放初始模型，确定所述目标地区的碳排放监测模型。
4.如权利要求3所述的碳排放监测方法，其特征在于，所述根据所述碳排放影响因子和所述空间权重矩阵，构建所述目标地区的碳排放初始模型，包括：
利用下述公式构建所述目标地区的碳排放初始模型：
Figure FDA0004110587290000021
其中，I(i，t)表示序号为i的目标地区在时刻t的碳排放初始模型，μ表示目标地区碳排放常参数，F表示碳排放影响因子，α表示碳排放影响因子的弹性系数，ρ1表示碳排放空间自回归系数，W表示空间权重矩阵，ρ2表示周边地区碳排放影响因子空间自相关系数，k表示碳排放影响因子序号，n表示碳排放影响因子的数量，i表示目标地区的序号，j表示目标地区的周边地区的序号，ε表示误差项，∏表示连乘符号。
5.如权利要求3所述的碳排放监测方法，其特征在于，所述根据所述历史碳排放数据和所述碳排放初始模型，计算所述碳排放初始模型中的估计参数，包括：
筛选所述历史碳排放数据中的样本数据，利用所述碳排放初始模型和所述样本数据，计算样本回归矩阵；
计算所述样本回归矩阵的目标函数，计算所述目标函数最小时的最优解，根据所述最优解，确定所述碳排放初始模型中的估计参数。
6.如权利要求1所述的碳排放监测方法，其特征在于，所述根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数，包括：
利用下述公式计算所述目标地区的全局莫兰指数和局部莫兰指数：
Figure FDA0004110587290000022
Figure FDA0004110587290000023
Figure FDA0004110587290000024
Figure FDA0004110587290000025
其中，GMor表示目标地区的全局莫兰指数，LMork表示目标地区k的局部莫兰指数，wi表示空间权重矩阵第i行第j列元素，wkj表示空间权重矩阵第k行第j列元素，xi，xj分别表示地区i和地区j的碳排放量，
Figure FDA0004110587290000026
表示目标地区和周边地区所有地区的碳排放量均值，S2表示目标地区和周边地区所有地区的碳排放量方差，i表示地区的序号，j表示地区的序号，k表示目标地区的序号，n表示目标地区和周边地区所有地区的数量。
7.如权利要求1所述的碳排放监测方法，其特征在于，所述根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性，包括：
计算所述全局莫兰指数的全局显著得分，根据所述全局显著得分和预设置信度，确定所述全局莫兰指数的全局显著性；
根据所述全局显著性和所述全局莫兰指数，确定所述目标地区的全局空间相关性，所述全局空间相关性的状态包括相关和不相关；
在所述全局空间相关性的状态为相关时，计算所述局部莫兰指数的局部显著得分，根据所述局部显著得分和所述预设置信度，确定所述局部莫兰指数的局部显著性；
根据所述局部显著性和所述局部莫兰指数，确定所述目标地区的局部空间相关性，在所述局部空间相关性的状态为相关时，根据所述局部莫兰指数，分析所述目标地区的空间相关性。
8.如权利要求7所述的碳排放监测方法，其特征在于，所述计算所述全局莫兰指数的全局显著得分，包括：
利用下述公式计算所述全局莫兰指数的全局显著得分：
Figure FDA0004110587290000031
Figure FDA0004110587290000032
Var(GMor)＝E(GMor2)-E(GMor)2
其中，GZ表示全局莫兰指数的全局显著得分，GMor表示全局莫兰指数，E(GMor)表示全局莫兰指数理论期望值，Var(GMor)表示全局莫兰指数理论方差。
9.如权利要求1所述的碳排放监测方法，其特征在于，所述根据所述局部莫兰指数，分析所述目标地区的空间相关性，包括：
获取所述目标地区的周边地区及整个分析区域，所述整个分析区域包括所述目标地区和所述周边地区，计算所述整个分析区域的碳排放量均值，并计算所述目标地区与所述碳排放量均值之间的目标地区差值；
分析所述目标地区差值和所述局部莫兰指数之间的结构关系，计算所述周边地区与所述碳排放量均值之间的周边地区差值；
根据所述结构关系、目标地区差值及周边地区差值，判定所述目标地区差值和所述周边地区差值的目标正负值和周边正负值；
根据所述目标正负值和所述周边正负值，分析所述目标地区与所述周边地区相对于所述碳排放量均值的空间相关性。
10.一种碳排放监测装置，其特征在于，所述装置包括：
空间权重矩阵构建模块，用于获取待监测碳排放的目标地区及其周边地区，获取所述目标地区和所述周边地区的历史碳排放数据，根据所述历史碳排放数据，识别所述目标地区的碳排放影响因子，根据所述碳排放影响因子和所述历史碳排放数据，构建所述目标地区与所述周边地区之间的空间权重矩阵；
目标碳排放量计算模块，用于根据所述历史碳排放数据、所述碳排放影响因子以及所述空间权重矩阵，构建所述目标地区的碳排放监测模型，获取所述目标地区和所述周边地区的实时碳排放数据，根据所述碳排放监测模型和所述实时碳排放数据，计算所述目标地区的目标碳排放量；
空间相关性分析模块，用于根据所述空间权重矩阵、所述历史碳排放数据以及所述实时碳排放数据，计算所述目标地区的全局莫兰指数和局部莫兰指数，根据所述全局莫兰指数和所述局部莫兰指数，分析所述目标地区的空间相关性；
监测报告生成模块，用于根据所述目标碳排放量和所述空间相关性，生成所述目标地区的碳排放监测报告。
CN202310205085.6A 2023-02-24 2023-02-24 一种碳排放监测方法及装置 Active CN116187621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310205085.6A CN116187621B (zh) 2023-02-24 2023-02-24 一种碳排放监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310205085.6A CN116187621B (zh) 2023-02-24 2023-02-24 一种碳排放监测方法及装置

Publications (2)

Publication Number Publication Date
CN116187621A true CN116187621A (zh) 2023-05-30
CN116187621B CN116187621B (zh) 2024-03-29

Family

ID=86448595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310205085.6A Active CN116187621B (zh) 2023-02-24 2023-02-24 一种碳排放监测方法及装置

Country Status (1)

Country Link
CN (1) CN116187621B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117217418A (zh) * 2023-11-07 2023-12-12 中电山河数字科技(南通)有限公司 一种碳排放监测的移动边缘计算系统及方法
CN117407967A (zh) * 2023-12-15 2024-01-16 成都航空职业技术学院 一种集成房屋的碳排放监测方法
CN117787571A (zh) * 2024-02-26 2024-03-29 中国环境科学研究院 一种区域大气治理的碳排放测算方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615254A (zh) * 2018-12-17 2019-04-12 清华-伯克利深圳学院筹备办公室 碳排放绩效的测算方法、装置、管理设备及存储介质
CN114077970A (zh) * 2021-11-19 2022-02-22 中国科学院地理科学与资源研究所 一种基于城市形态的碳排放相关因子的确定方法及装置
CN114662282A (zh) * 2022-02-28 2022-06-24 华南理工大学 多因素碳排放核算方法和装置
US20230020417A1 (en) * 2021-07-12 2023-01-19 Johnson Controls Tyco IP Holdings LLP Control system with adaptive carbon emissions optimization

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615254A (zh) * 2018-12-17 2019-04-12 清华-伯克利深圳学院筹备办公室 碳排放绩效的测算方法、装置、管理设备及存储介质
US20230020417A1 (en) * 2021-07-12 2023-01-19 Johnson Controls Tyco IP Holdings LLP Control system with adaptive carbon emissions optimization
CN114077970A (zh) * 2021-11-19 2022-02-22 中国科学院地理科学与资源研究所 一种基于城市形态的碳排放相关因子的确定方法及装置
CN114662282A (zh) * 2022-02-28 2022-06-24 华南理工大学 多因素碳排放核算方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HECHANG CAI 等: "Understanding the structure and determinants of intercity carbon emissions association network in China", 《JOURNAL OF CLEANER PRODUCTION》, vol. 352, pages 1 - 14 *
曹洪刚 等: "中国省域碳排放的空间溢出与影响因素研究", 《东北大学学报（社会科学版）》, vol. 17, no. 6, pages 573 - 578 *
杨君: "中国交通运输业碳排放测度及减排路径研究", 《中国博士学位论文全文数据库工程科技Ⅰ辑》, no. 01, pages 027 - 49 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117217418A (zh) * 2023-11-07 2023-12-12 中电山河数字科技(南通)有限公司 一种碳排放监测的移动边缘计算系统及方法
CN117217418B (zh) * 2023-11-07 2024-02-09 中电山河数字科技(南通)有限公司 一种碳排放监测的移动边缘计算系统及方法
CN117407967A (zh) * 2023-12-15 2024-01-16 成都航空职业技术学院 一种集成房屋的碳排放监测方法
CN117407967B (zh) * 2023-12-15 2024-03-22 成都航空职业技术学院 一种集成房屋的碳排放监测方法
CN117787571A (zh) * 2024-02-26 2024-03-29 中国环境科学研究院 一种区域大气治理的碳排放测算方法及系统
CN117787571B (zh) * 2024-02-26 2024-04-30 中国环境科学研究院 一种区域大气治理的碳排放测算方法及系统

Also Published As

Publication number Publication date
CN116187621B (zh) 2024-03-29

Similar Documents

Publication Publication Date Title
CN116187621B (zh) 一种碳排放监测方法及装置
CN114818391B (zh) 一种基于多溯源模型的污染源浓度分析方法
CN110493179B (zh) 基于时间序列的网络安全态势感知系统和方法
CN113780443B (zh) 一种面向威胁检测的网络安全态势评估方法
CN112330474B (zh) 核保风控监控方法、装置、设备及存储介质
CN113537697A (zh) 一种城市管理中监督员绩效评价的方法及系统
CN115470067A (zh) 基于云计算的大数据安全评估分析系统及方法
CN114141385A (zh) 一种用于传染病的预警方法、系统和可读存储介质
CN115409395A (zh) 一种水利施工工程的质量验收检查方法及系统
CN111767193A (zh) 一种服务器数据异常检测方法、装置、存储介质及设备
CN116680658A (zh) 一种基于风险评价的热浪监测站选址方法及系统
CN110928859A (zh) 模型监控方法、装置、计算机设备和存储介质
CN115829209A (zh) 基于碳路径的绿色智能仓库环保质量分析方法及装置
CN111178756A (zh) 一种基于环境大数据的多元线性回归火灾风险评估方法
Giudici Integration of qualitative and quantitative operational risk data: A Bayesian approach
CN113779892B (zh) 一种风速和风向的预测方法
CN115760486A (zh) 临建规模评估方法、装置、设备和可读存储介质
Lan Research on cybersecurity risk assessment in SCADA networks based on AHP-RSR
CN112949951A (zh) 数据预测方法、装置、电子设备及存储介质
CN114022022A (zh) 工业网络安全风险评估方法、装置、设备及存储介质
Huang Extreme precipitation forecasting using attention augmented convolutions
Feng et al. Validity of Markovian modeling for transient memory-dependent epidemic dynamics
Wang et al. Network Abnormality Location Algorithm Based on Greedy Monte Carlo Tree
CN117354053B (zh) 一种基于大数据的网络安全保护方法
CN116302762B (zh) 一种基于红蓝对抗的故障定位应用的评测方法与系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240208

Address after: 518000, 5th Floor, Xusheng R&D Building, Zone B, Gonghe Industrial Road, Gongle Community, Xixiang Street, Bao'an District, Shenzhen, Guangdong Province

Applicant after: Shenzhen HuiGao Material Technology Co.,Ltd.

Country or region after: China

Address before: C12, Dongfang Yayuan, Baomin Second Road, Chentian Community, Xixiang Street, Bao'an District, Shenzhen City, Guangdong Province, 518000

Applicant before: Shenzhen Weixincheng Technology Co.,Ltd.

Country or region before: China

GR01 Patent grant
GR01 Patent grant