CN116257792B - 一种智慧城市碳中和数据分析系统 - Google Patents
一种智慧城市碳中和数据分析系统 Download PDFInfo
- Publication number
- CN116257792B CN116257792B CN202310537918.9A CN202310537918A CN116257792B CN 116257792 B CN116257792 B CN 116257792B CN 202310537918 A CN202310537918 A CN 202310537918A CN 116257792 B CN116257792 B CN 116257792B
- Authority
- CN
- China
- Prior art keywords
- data
- information
- module
- carbon
- carbon neutralization
- 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.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 249
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 248
- 238000006386 neutralization reaction Methods 0.000 title claims abstract description 151
- 238000007405 data analysis Methods 0.000 title claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000004891 communication Methods 0.000 claims abstract description 32
- 238000013075 data extraction Methods 0.000 claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 27
- 238000013500 data storage Methods 0.000 claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 16
- 230000010365 information processing Effects 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 69
- 230000000694 effects Effects 0.000 claims description 61
- 238000004364 calculation method Methods 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 37
- 239000002245 particle Substances 0.000 claims description 34
- 230000005540 biological transmission Effects 0.000 claims description 29
- 238000013016 damping Methods 0.000 claims description 22
- 238000012800 visualization Methods 0.000 claims description 20
- 239000005431 greenhouse gas Substances 0.000 claims description 17
- 230000007935 neutral effect Effects 0.000 claims description 17
- 238000012546 transfer Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 15
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 12
- 150000001875 compounds Chemical class 0.000 claims description 12
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 7
- 239000001569 carbon dioxide Substances 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 6
- 238000000691 measurement method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 239000002994 raw material Substances 0.000 claims description 6
- 239000002699 waste material Substances 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000003647 oxidation Effects 0.000 claims description 4
- 238000007254 oxidation reaction Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012905 input function Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000011425 standardization method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000013079 data visualisation Methods 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 230000004907 flux Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000006229 carbon black Substances 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
-
- 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)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Molecular Biology (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种智慧城市碳中和数据分析系统,涉及数据信息处理技术领域,解决了现有技术在对碳中和数据进行分析时,难以对不同地区区域进行区分对比,同时对城市碳中和数据情况进行分析时准确性缺失的问题,智慧城市碳中和数据分析系统包括电源模块、数据采集模块、数据提取模块、数据交互模块、数据分析模块、通信模块、数据存储模块、可视化处理模块、信息显示模块和监管终端;本发明采用机器学习和深度学习算法进行数据分析,提高了分析的准确率和可靠性,同时采用数据可视化技术,将分析结果以图表和报表形式直观地展现给用户,提高了数据信息处理能力。
Description
技术领域
本发明涉及数据信息处理技术领域,且更具体地涉及一种智慧城市碳中和数据分析系统。
背景技术
城市智能是一种通过感知信息、分析数据、生成知识以及指导响应、行为和决策以获得更好的城市结果的能力。它代表了一系列智能,包括数据智能、设计智能和人群智能,以及各种社会和技术因素。与智慧城市不同,城市智能强调基于城市动态的数字化和分析能力。随着城市化进程的加快,城市能源消耗量和碳排放量呈现出不断增长的趋势,对城市环境和气候变化产生了不可忽视的影响。因此,智慧城市碳中和成为了一种迫切需要的解决方案。
城市智能可以通过数据收集和集成来创建更好的信息管理,以解决信息不对称和数据孤岛问题。传统的城市信息管理往往依赖于具有多个行政等级的树形系统,这对于单一机构的运作来说是可取的,但对于跨部门的协调来说并不理想。因此,有价值的数据往往被深埋在特定的分支机构中,限制了集成以获得更大的监管和运营洞察力。智慧城市主要是结合数据、网络、云平台和移动通信等相应的技术,进一步对其进行相关内容的应用。智慧城市反映出的是一个城市的动态资源。城市之间的各种信息的来源进行挖掘,渗透出事物的规律和本质的特性。通过相应的技术处理,可以对片面碎乱繁杂的数据进行详细地汇集、挖据和分析,从中提取出有用的资源,进而为城市的发展和社会的服务提供一定的依据。
然而城市碳中和数据的数据量较大,往往需要一定的处理分析系统对碳中和的情况进行分析,现有技术在对碳中和数据进行分析时,难以对不同地区区域进行区分对比,不利于后续对某一区域的具体碳中和情况进行改善。同时对算法和规则缺少及时的迭代更新,导致对城市碳中和数据情况进行分析时带来准确性缺失,因此,现有技术中,智慧城市碳中和数据信息分析能力滞后,如何实现更智能的决策或运营流程,大数据分析发挥着至关重要的作用。
发明内容
针对上述技术的不足,本发明公开一种智慧城市碳中和数据分析系统,本发明融合人工智能技术和大数据分析技术,对智慧城市碳中和数据进行分析,提高了大数据信息分析的准确率和可靠性,提高了数据信息处理能力。
本发明采用以下技术方案:
一种智慧城市碳中和数据分析系统,其中包括电源模块、数据采集模块、数据提取模块、数据交互模块、数据分析模块、通信模块、数据存储模块、可视化处理模块、信息显示模块和监管终端;
电源模块,用于为智慧城市碳中和数据分析系统提供正常工作状态下的电力供应;
数据采集模块,用于采集碳中和活动水平数据或碳中和影响信息,并将采集到的数据及信息发送至数据提取模块,所述碳中和活动水平数据包括企业碳排放数据或生活碳排放数据,所述碳中和影响信息包括卫星定位信息、企业能耗类型信息、城市生活能耗类型信息或绿化碳吸收率及绿化区域占比率;
数据提取模块,用于接收并提取数据采集模块收集的碳中和活动水平数据或碳中和影响信息;所述数据提取模块包括主控单元以及与所述主控单元连接的信息接收单元、信息读取单元和信息定位单元,其中所述信息接收单元通过信息过滤、信息读取单元和信息定位单元,所述主控单元用于控制碳中和活动水平数据或碳中和影响信息的提取,信息接收单元用于接收碳中和活动水平数据或碳中和影响信息数据,所述信息读取单元用于读取碳中和活动水平数据或碳中和影响信息数据,所述信息定位单元用于对定位传输过程中的碳中和活动水平数据或碳中和影响信息数据;数据交互模块,用于实现数据提取模块和数据分析模块之间的数据信息交互以及对碳中和活动水平数据信息进行编码生成,并将编码后的数据信息进行功率计算,将计算后的碳中和数据信息发送至数据分析模块;
数据分析模块,用于分析交互后的碳中和活动水平数据或碳中和影响信息数据,其中数据分析模块包括粒子群算法模型;
通信模块,用于接收数据分析模块发送的碳中和活动水平数据分析结果,并将分析结果上传到云端服务器和数据存储模块;
数据存储模块,用于存储碳中和活动水平数据分析结果,便于操作人员查看;
可视化处理模块,用于对数据采集模块获取的数据以及数据分析模块所生成的碳中和分析结果进行可视化展示;
信息显示模块,用于显示生成信息交互界面,工作人员通过监管终端利用信息显示模块对系统整体进行实时操控和显示;
监管终端,用于对系统整体进行操控,监管终端与人机交互模块之间交互连接;
所述数据采集模块连接所述数据提取模块和可视化处理模块,所述数据提取模块连接所述数据交互模块,所述数据交互模块连接所述数据分析模块,所述数据分析模块连接所述通信模块和可视化处理模块,所述通信模块连接所述数据存储模块,所述信息显示模块连接所述监管终端,所述数据采集模块、数据提取模块、数据交互模块、数据分析模块、通信模块、数据存储模块、可视化处理模块、信息显示模块和监管终端均与电源模块连接。
作为本发明进一步的技术方案,数据采集模块包含碳排放量的核算,碳排放量的核算方法包括排放因子法、质量平衡法和实测法;
所述排放因子法计算公式为:
温室气体GHG排放=活动数据AD×排放因子EF (1)
式(1)中,AD是导致温室气体排放的生产或消费活动的活动量;EF是与活动水平数据对应的系数,活动水平数据包括单位热值含碳量或元素碳含量或氧化率,元素含碳量或氧化率表征单位生产或消费活动量的温室气体排放系数;
所述质量平衡法计算公式为:
二氧化碳排放=原料投入量×原料含碳量产品产出量×产品含碳量/>废物输出量×废物含碳量×/> (2)
式(2)中,是碳转换成/>的转换系数;
所述实测法基于排放源实测基础数据,汇总得到相关碳排放量。
作为本发明进一步的技术方案,所述数据采集模块通过芯片AMIS-49587和芯片CS5463的主控模块对分布式采集终端进行控制,通过含碳量计算对不同数据来源获取真实数据。
作为本发明进一步的技术方案,所述主控单元为ARM Cortex-M0 32 位内核的STM32F051C6 微控制器;
所述信息接收单元通过ADF023射频芯片控制数据信息的接收,数据信息通过功率计算接收数据信息,功率计算公式为:
(3)
在公式(3)中,其中Pt表示数据采集模块传输所采集数据信息的功率,R表示数据传输距离,Gt表示传输所采集数据信息的通信增益,Gr表示接收所采集数据信息的通信增益,λ表示数据信息波长,Pr表示数据信息接收功率;
信息定位单元定位方法为:
通过数据信息编码类型对接收到的数据信息进行编码,设置k个数据编码数据类型,第k个数据编码数据类型在空间中的位置定义为,其中T表示通信协议,x和y表示空间数据信息向量;
假设所接收到的数据信息距离信号源处,且信息接收单元的观察时间为/>,信息接收单元接收到的信号功率函数为:
(4)
在公式(4)中,其中P RX 表示信号功率函数输出,P TX 表示数据信息的传输能量, G tag表示数据信息编码的定向收益, Gr表示数据信息出传输的定向收益, d表示编码与数据源进行数据信息传输的距离,η表示数据信息传输路径损耗系数,所述信息读取单元通过差分计算实现数据输出的最佳增益,增益函数输出为:
(5)
在公式(5)中,RG为设定接收模块的共模抑制比,数据为95DB,带宽为125kHz,数据信息传输过程中的失真度为;数据信息传输过程中的信息传递函数为:
(6)
在公式(6)中,G(s)表示信息传递函数,UO(s)表示数据信息输出函数,Ui表示数据信息输入函数,GO表示数据信息输出信息,ωn表示无阻尼自振频率参数,s表示拉氏变换后式子的横坐标参数,表示传输函数的阻尼系数,阻尼系数函数为:
(7)
在公式(7)中,R1表示第一阻尼电阻,C1表示第一阻尼电容,R2表示第二阻尼电阻,C2表示第二阻尼电容。
作为本发明进一步的技术方案,所述粒子群算法模型的工作方法为:
首先随机生成一群随机粒子,当前粒子的速度函数如公式(8)所示:
(8)
如公式(8)所示,为当前粒子的速度,/>和/>则为粒子的加速常数,/>表示第/>个粒子的第/>维,而/>表示全局最优解的第/>维;
调度数据更新位置如公式(9)所示:
(9)
公式(9)中,表示粒子移动后的新位置,当所有粒子每完成一次移动,即表示该算法迭代一次;碳跟踪函数如公式(10)所示:
(10)
公式(10)中,m表示碳排放设备数量,表示依赖矩阵,/>表示时延矩阵,为0时表示碳排放设备节点j与溯源数据信息节点i不存在依赖关系,M表示碳跟踪函数。
作为本发明进一步的技术方案,所述可视化处理模块通过Web前端实现可视化模块的设计,可视化处理步骤包括数据获取、数据处理、可视化模块选择、可视化模块设计、数据绑定和可视化模块优化。
作为本发明进一步的技术方案,特征提取的步骤包括:
(步骤一)、通过方向梯度直方图HOG模块实现碳中和数据信息的提取,选择采集到的碳中和数据信息,标记待提取的碳中和数据信息;
(步骤二)、通过灰度图转换模块实现灰度转换,将标记的碳中和数据信息转换为灰度图,通过Gamma标准化方法实现数据信息转换,输出信息内容公式为:
(11)
式(11)中,表示碳中和数据信息的灰度值,且/>,根据公式(11)实现灰度值的二分之一处理,将输入碳中和数据信息处理成二分之一,再将输入的二分之一碳中和数据信息处理成四分之一,再将输入的四分之一碳中和数据信息处理成八分之一,实现碳中和数据信息的处理与计算;
碳中和数据信息采用梯度计算,通过梯度计算图像,在像素点的梯度值记作为:
(12)
公式(12)中,表示碳中和数据的水平梯度值,/>表示碳中和数据的垂直梯度值,/>表示碳中和数据的像素值,像素点/>的梯度向量为:
(13)
公式(13)中,表示碳中和数据的梯度值,/>表示碳中和数据梯度方向;
通过步骤二构建方向梯度直方图,将图像分成若干模块,每个模块有8*8个像素,将模块梯度方向分成9块;对模块中的每个像素在梯度方向直方图中进行加权投影,统计出该模块的梯度方向直方图;将分割的图像数据信息进行模块归一化处理,将相邻的几个模块进行组合,实现归一化处理,将归一化后的图像数据信息生成特征向量,实现碳中和数据信息的识别;
(步骤三)、通过支持向量机SVM分类器分类模块;
(步骤四)、通过图像输出实现数据信息的输出。
作为本发明进一步的技术方案,所述信息处理的工作方法为:
(步骤1)、采用二维高斯模糊函数对数据信息进行分类,分类函数为:
(14)
式(14)中,表示高斯函数,x是采集到的碳中和数据信息在水平轴上距原点的距离,y是采集到的碳中和数据信息在垂直轴上距原点的距离,σ是高斯分布的标准偏差,介于3-10.5之间;
(步骤2)、数据信息分析;
通过分析函数对输入的数据信息进行计算,计算函数为:
(15)
式(15)中,表示数据信息分析函数,R、G、B分别表示数据信息分析函数中的模糊度、类别和数据属性;处理后的数据信息特征集函数为:
(16)
(17)
根据模糊度、类别和数据属性筛选出的函数如公式(16)和(17)所示;
(步骤3)、通过欧几里得距离计算实际计算属性与处理后数据信息之间的差距,欧几里得距离方程表示为:
(18)
公式(18)中,x表示分析碳中和数据信息时,故障数据信息特征集中的特征向量;y表示碳中和数据信息输入待匹配的特征向量,、/>表示输入碳中和数据信息特征对应的特征分量。
作为本发明进一步的技术方案,所述信息显示模块采用无线数据通信模块实现显示数据信息传递。
积极有益效果:
本发明采用机器学习和深度学习算法进行数据分析,提高了分析的准确率和可靠性;通过融合人工智能技术和大数据分析技术,对智慧城市碳中和数据进行分析,提高了大数据信息分析的准确率和可靠性,提高了数据信息处理能力。
通过数据采集模块采集碳中和活动水平数据或碳中和影响信息,并将采集到的数据及信息发送至数据提取模块,所述碳中和活动水平数据包括企业碳排放数据或生活碳排放数据。通过数据提取模块接收并提取数据采集模块收集的碳中和活动水平数据或碳中和影响信息;
通过数据分析模块分析交互后的碳中和活动水平数据或碳中和影响信息数据,其中粒子群算法模型提高了碳中和数据信息的追溯和态度能力,通过采用数据可视化技术,将分析结果以图表和报表形式直观地展现给用户,方便用户进行查看和分析。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还根据这些附图获得其他的附图,其中:
图1为本发明一种智慧城市碳中和数据分析系统的整体架构原理图;
图2为本发明一种智慧城市碳中和数据分析系统采集碳中和信息流程图;
图3为本发明一种智慧城市碳中和数据分析系统特征提取的步骤流程图;
图4为本发明一种智慧城市碳中和数据分析系统信息交互方案设计流程图。
图5为本发明一种智慧城市碳中和数据分析系统中粒子群算法流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1-图4所示,一种智慧城市碳中和数据分析系统,其中包括电源模块、数据采集模块、数据提取模块、数据交互模块、数据分析模块、通信模块、数据存储模块、可视化处理模块、信息显示模块和监管终端;
电源模块,用于为智慧城市碳中和数据分析系统提供正常工作状态下的电力供应;
数据采集模块,用于采集碳中和活动水平数据或碳中和影响信息,并将采集到的数据及信息发送至数据提取模块,所述碳中和活动水平数据包括企业碳排放数据或生活碳排放数据,所述碳中和影响信息包括卫星定位信息、企业能耗类型信息、城市生活能耗类型信息或绿化碳吸收率及绿化区域占比率;
数据提取模块,用于接收并提取数据采集模块收集的碳中和活动水平数据或碳中和影响信息;所述数据提取模块包括主控单元以及与所述主控单元连接的信息接收单元、信息读取单元和信息定位单元,其中所述信息接收单元通过信息过滤、信息读取单元和信息定位单元,所述主控单元用于控制碳中和活动水平数据或碳中和影响信息的提取,信息接收单元用于接收碳中和活动水平数据或碳中和影响信息数据,所述信息读取单元用于读取碳中和活动水平数据或碳中和影响信息数据,所述信息定位单元用于对定位传输过程中的碳中和活动水平数据或碳中和影响信息数据;数据交互模块,用于实现数据提取模块和数据分析模块之间的数据信息交互以及对碳中和活动水平数据信息进行编码生成,并将编码后的数据信息进行功率计算,将计算后的碳中和数据信息发送至数据分析模块;
数据分析模块,用于分析交互后的碳中和活动水平数据或碳中和影响信息数据,其中数据分析模块包括粒子群算法模型;
通信模块,用于接收数据分析模块发送的碳中和活动水平数据分析结果,并将分析结果上传到云端服务器和数据存储模块;
数据存储模块,用于存储碳中和活动水平数据分析结果,便于操作人员查看;
可视化处理模块,用于对数据采集模块获取的数据以及数据分析模块所生成的碳中和分析结果进行可视化展示;
信息显示模块,用于显示生成信息交互界面,工作人员通过监管终端利用信息显示模块对系统整体进行实时操控和显示;
监管终端,用于对系统整体进行操控,监管终端与人机交互模块之间交互连接;
所述数据采集模块连接所述数据提取模块和可视化处理模块,所述数据提取模块连接所述数据交互模块,所述数据交互模块连接所述数据分析模块,所述数据分析模块连接所述通信模块和可视化处理模块,所述通信模块连接所述数据存储模块,所述信息显示模块连接所述监管终端,所述数据采集模块、数据提取模块、数据交互模块、数据分析模块、通信模块、数据存储模块、可视化处理模块、信息显示模块和监管终端均与电源模块连接。
在具体实施例中,电源模块、数据采集模块、数据提取模块、数据交互模块、数据分析模块、通信模块、数据存储模块、可视化处理模块、信息显示模块和监管终端可以为分布式布局模式,通过将上述不同的模块汇集成移动终端的方式提高数据信息计算能力。也可以通过分布式操作的方式提高数据信息计算能力。适用范围广,操作方便。
在具体实施例中,数据采集模块包含碳排放量的核算,碳排放量的核算方法包括排放因子法、质量平衡法和实测法;
所述排放因子法计算公式为:
温室气体GHG排放=活动数据AD×排放因子EF (1)
式(1)中,AD是导致温室气体排放的生产或消费活动的活动量;EF是与活动水平数据对应的系数,活动水平数据包括单位热值含碳量或元素碳含量或氧化率,元素含碳量或氧化率表征单位生产或消费活动量的温室气体排放系数;
排放因子法的特点在于,排放因子法是适用范围最广、应用最为普遍的一种碳核算办法。将导致温室气体排放的生产或消费活动的活动量数据信息、与活动水平数据对应的系数以及包括单位热值含碳量或元素碳含量或氧化率的数据信息集合在一起,计算某个区域的温室气体GHG排放,在具体应用中,温室气体(GHG)总排放量,将二氧化碳(CO2)之外的温室气体根据红外辐射强度转换为二氧化碳( CO2)当量。通过这种方式衡量温室效应或者碳排数据信息情况。
所述质量平衡法计算公式为:
二氧化碳排放=原料投入量×原料含碳量产品产出量×产品含碳量/>废物输出量×废物含碳量×/> (2)
式(2)中,是碳转换成/>的转换系数;
所述实测法基于排放源实测基础数据,汇总得到相关碳排放量。通过二氧化碳排放的计算,进而提高了碳通量的计算,通过碳通量计算,以评估碳排放情况。在进一步的实施例中,碳通量目前主流的计算方法分两种,一种叫“自下而上(bottom-up)”的方法,一种叫“自上而下(top-down)”的方法。“自下而上”的方法把碳通量分成主要两部分:人为活动,生态系统活动,人类活动包括化石燃料燃烧等,涵盖了汽车尾气等,主要通过统计数据计算得到,即根据一个地区的燃料消费量,结合各种燃料燃烧的效率计算排放的碳量。具体来说就是根据国家统计局的地区石油、煤、天然气……的消费量,结合经验公式,计算出相应的排放量。
在其他实施例中,生态系统对大气碳的影响包括两个部分:1)光合作用固碳,这部分固定的碳总量叫做总初级生产力(Gross Primary Productivity, GPP);2)生态系统呼吸(Re),包含植物自身的呼吸,以及动物食用了植物之后的呼吸。这两个部分相减就是净生态系统交换量(NEE = GPP - Re),也就是我们关注的生态系统这部分的碳通量。
为了计算排放因子EF,通常会把它拆分为GPP跟Re分别计算,二者都跟太阳辐射、降水、湿度、气温等气候因素,以及地表植被覆盖情况有关。将这种关系,结合相应的数据,就能计算出相应的量出来。
在具体实施例中,所述数据采集模块通过芯片AMIS-49587和芯片CS5463的主控模块对分布式采集终端进行控制,通过含碳量计算对不同数据来源获取真实数据。具体而言,通过芯片控制,提高数据信息计算能力。
在具体实施例中,所述主控单元为ARM Cortex-M0 32 位内核的STM32F051C6 微控制器;
在具体实施例中,所述信息接收单元通过ADF023射频芯片控制数据信息的接收,数据信息通过功率计算接收数据信息,功率计算公式为:
(3)
在公式(3)中,其中Pt表示数据采集模块传输所采集数据信息的功率,R表示数据传输距离,Gt表示传输所采集数据信息的通信增益,Gr表示接收所采集数据信息的通信增益,λ表示数据信息波长,Pr表示数据信息接收功率;
具体而言,将分布式分布的碳中和数据信息转换为功率计算接收数据信息,通过将数据采集模块传输所采集数据信息的功率、数据传输距离、接收及发送通信增益、数据信息波长以及数据信息接收功率融合在功率计算公式中,以衡量数据信息接收情况。
信息定位单元定位方法为:
通过数据信息编码类型对接收到的数据信息进行编码,设置k个数据编码数据类型,第k个数据编码数据类型在空间中的位置定义为,其中T表示通信协议,x和y表示空间数据信息向量;
在具体实施例中,在每一个空间数据信息向量位置使用正交对或超编码排列,使一对中的任何一个数据编码都处于高方向性增益的方向,增加了在给定编码位置检测编码的总体概率。通过对功率计算接收数据信息继续进行功率计算,以提高数据信息计算能力。
假设所接收到的数据信息距离信号源处,且信息接收单元的观察时间为/>,信息接收单元接收到的信号功率函数为:
(4)
在公式(4)中,其中P RX 表示信号功率函数输出,P TX 表示数据信息的传输能量, G tag表示数据信息编码的定向收益, Gr表示数据信息出传输的定向收益, d表示编码与数据源进行数据信息传输的距离,η表示数据信息传输路径损耗系数,所述信息读取单元通过差分计算实现数据输出的最佳增益,增益函数输出为:
(5)
在公式(5)中,RG为设定接收模块的共模抑制比,数据为95DB,带宽为125kHz,数据信息传输过程中的失真度为。
在具体实施例中,差分算法是指差分对应离散的运算,差分计算是使用差分进行的运算。差分又名差分函数或差分运算,差分的结果反映了离散量之间的一种变化,是研究离散数学的一种工具,在具体应用中,通过计算出增益函数,以提高数据信息通信能力。
数据信息传输过程中的信息传递函数为:
(6)
在公式(6)中,G(s)表示信息传递函数,UO(s)表示数据信息输出函数,Ui表示数据信息输入函数,GO表示数据信息输出信息,ωn表示无阻尼自振频率参数,s表示拉氏变换后式子的横坐标参数。
传递函数是一种有系统参数表示输出量与输入量之间关系的表达式,它只取决于系统或元件的结构和参数,而与输入量的形式无关,也不反映系统内部的任何信息。该信息函数与输入量或驱动函数的大小和性质无关;传递函数包含联系输入量与输出量所必需的单位,但是它不提供有关系统物理结构的任何信息,可以具有相同的传递函数,称之为相似系统,传递函数的分子为常数意味是一个自回归模型,输出只取决于过去的信号值。根据查询相关资料信息传递函数的分子多项式为常数全极点模型是一个自回归模型,输出只取决于过去的信号值AR模型产生的序列称为AR过程序列。传递函数是一种用系统参数表示输出量与输入量之间关系的表达式它只取决于系统或元件的结构和参数,而与输入量的形式无关,通过这种表达能够提高数据信息传输过程中的传递能力。
表示传输函数的阻尼系数,阻尼系数函数为:
(7)
在公式(7)中,R1表示第一阻尼电阻,C1表示第一阻尼电容,R2表示第二阻尼电阻,C2表示第二阻尼电容。
在具体实施例中,阻尼系数是指放大器的额定负载(扬声器)阻抗与功率放大器实际阻抗的比值。阻尼系数不是定值,它与材料、结构、阻尼模型有个很大的关系。在具体实施例中,第一阻尼电阻和第一阻尼电容可以构成滤波电路,第二阻尼电阻和第二阻尼电容可以构成调节放大器参数的值。
在其他实施例中,数据提取模块还可以采用基于深度学习的方法进行数据信息特征提取,数据提取步骤包括数据预处理、特征提取模型构建、特征提取、特征选择和特征可视化。
在具体实施例中,所述粒子群算法模型的工作方法为:
首先随机生成一群随机粒子,作为某个调度方案的随机解。在粒子群算法的迭代过程中,通过关注调度方案的两个参数极值,通过一次次的迭代找到两个参数的最优值,从而确定该调度方案是否为最优低碳经济调度方案。首先确定调度方案的粒子速度,粒子表示为碳排放应用过程中的碳跟踪路径,当前粒子的速度函数如公式(8)所示:
(8)
如公式(8)所示,为当前粒子的速度,/>和/>则为粒子的加速常数,/>表示第/>个粒子的第/>维,而/>表示全局最优解的第/>维;
有了粒子的更新速度,再需确定调度方案的更新位置,调度数据更新位置如公式(9)所示:
(9)
公式(9)中,表示粒子移动后的新位置,当所有粒子每完成一次移动,即表示该算法迭代一次。随着算法的迭代,粒子群逐渐靠近队友粒子位置,即调度方案通过迭代逐步接近最优方案,可以平衡电力系统的节能、低碳和经济要求。
系统的碳排量应用情况与碳循环与碳设备应用数据量等因素有关,系统碳损耗由设备硬件服务和碳数据溯源或者跟踪有关,碳跟踪函数如公式(10)所示:
(10)
公式(10)中,m表示碳排放设备数量,表示依赖矩阵,/>表示时延矩阵,为0时表示碳排放设备节点j与溯源数据信息节点i不存在依赖关系,M表示碳跟踪函数。
在具体实施例中,所述可视化处理模块通过Web前端实现可视化模块的设计,可视化处理步骤包括数据获取、数据处理、可视化模块选择、可视化模块设计、数据绑定和可视化模块优化。
在具体实施例中,所述特征提取的步骤包括:
(步骤一)、通过方向梯度直方图HOG模块实现碳中和数据信息的提取,选择采集到的碳中和数据信息,标记待提取的碳中和数据信息;
(步骤二)、通过灰度图转换模块实现灰度转换,将标记的碳中和数据信息转换为灰度图,通过Gamma标准化方法实现数据信息转换,输出信息内容公式为:
(11)
式(11)中,表示碳中和数据信息的灰度值,且/>,根据公式(11)实现灰度值的二分之一处理,将输入碳中和数据信息处理成二分之一,再将输入的二分之一碳中和数据信息处理成四分之一,再将输入的四分之一碳中和数据信息处理成八分之一,实现碳中和数据信息的处理与计算;
碳中和数据信息采用梯度计算,通过梯度计算图像,在像素点的梯度值记作为:/>
(12)
公式(12)中,表示碳中和数据的水平梯度值,/>表示碳中和数据的垂直梯度值,/>表示碳中和数据的像素值,像素点/>的梯度向量为:
(13)
公式(13)中,表示碳中和数据的梯度值,/>表示碳中和数据梯度方向;
通过步骤二构建方向梯度直方图,将图像分成若干模块,每个模块有8*8个像素,将模块梯度方向分成9块;对模块中的每个像素在梯度方向直方图中进行加权投影,统计出该模块的梯度方向直方图;将分割的图像数据信息进行模块归一化处理,将相邻的几个模块进行组合,实现归一化处理,将归一化后的图像数据信息生成特征向量,实现碳中和数据信息的识别;
(步骤三)、通过支持向量机SVM分类器分类模块;
(步骤四)、通过图像输出实现数据信息的输出。
在具体实施例中,所述信息处理的工作方法为:
(步骤1)、采用二维高斯模糊函数对数据信息进行分类,分类函数为:
(14)
式(14)中,表示高斯函数,x是采集到的碳中和数据信息在水平轴上距原点的距离,y是采集到的碳中和数据信息在垂直轴上距原点的距离,σ是高斯分布的标准偏差,介于3-10.5之间;
(步骤2)、数据信息分析;
通过分析函数对输入的数据信息进行计算,计算函数为:
(15)
式(15)中,表示数据信息分析函数,R、G、B分别表示数据信息分析函数中的模糊度、类别和数据属性;处理后的数据信息特征集函数为:
(16)/>
(17)
根据模糊度、类别和数据属性筛选出的函数如公式(16)和(17)所示;
(步骤3)、通过欧几里得距离计算实际计算属性与处理后数据信息之间的差距,欧几里得距离方程表示为:
(18)
公式(18)中,x表示分析碳中和数据信息时,故障数据信息特征集中的特征向量;y表示碳中和数据信息输入待匹配的特征向量,、/>表示输入碳中和数据信息特征对应的特征分量。
在具体实施例中,所述信息显示模块采用无线数据通信模块实现显示数据信息传递,比如带有无线通信端口的移动终端。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (8)
1.一种智慧城市碳中和数据分析系统,其特征在于:包括电源模块、数据采集模块、数据提取模块、数据交互模块、数据分析模块、通信模块、数据存储模块、可视化处理模块、信息显示模块和监管终端;
电源模块,用于为智慧城市碳中和数据分析系统提供正常工作状态下的电力供应;
数据采集模块,用于采集碳中和活动水平数据或碳中和影响信息,并将采集到的数据及信息发送至数据提取模块,所述碳中和活动水平数据包括企业碳排放数据或生活碳排放数据,所述碳中和影响信息包括卫星定位信息、企业能耗类型信息、城市生活能耗类型信息或绿化碳吸收率及绿化区域占比率;
数据提取模块,用于接收并提取数据采集模块收集的碳中和活动水平数据或碳中和影响信息;所述数据提取模块包括主控单元以及与所述主控单元连接的信息接收单元、信息读取单元和信息定位单元,其中所述信息接收单元通过信息过滤、信息读取单元和信息定位单元,所述主控单元用于控制碳中和活动水平数据或碳中和影响信息的提取,信息接收单元用于接收碳中和活动水平数据或碳中和影响信息数据,所述信息读取单元用于读取碳中和活动水平数据或碳中和影响信息数据,所述信息定位单元用于对定位传输过程中的碳中和活动水平数据或碳中和影响信息数据;数据交互模块,用于实现数据提取模块和数据分析模块之间的数据信息交互以及对碳中和活动水平数据信息进行编码生成,并将编码后的数据信息进行功率计算,将计算后的碳中和数据信息发送至数据分析模块;
数据分析模块,用于分析交互后的碳中和活动水平数据或碳中和影响信息数据,其中数据分析模块包括粒子群算法模型;
通信模块,用于接收数据分析模块发送的碳中和活动水平数据分析结果,并将分析结果上传到云端服务器和数据存储模块;
数据存储模块,用于存储碳中和活动水平数据分析结果,便于操作人员查看;
可视化处理模块,用于对数据采集模块获取的数据以及数据分析模块所生成的碳中和分析结果进行可视化展示;
信息显示模块,用于显示生成信息交互界面,工作人员通过监管终端利用信息显示模块对系统整体进行实时操控和显示;
监管终端,用于对系统整体进行操控,监管终端与人机交互模块之间交互连接;
所述数据采集模块连接所述数据提取模块和可视化处理模块,所述数据提取模块连接所述数据交互模块,所述数据交互模块连接所述数据分析模块,所述数据分析模块连接所述通信模块和可视化处理模块,所述通信模块连接所述数据存储模块,所述信息显示模块连接所述监管终端,所述数据采集模块、数据提取模块、数据交互模块、数据分析模块、通信模块、数据存储模块、可视化处理模块、信息显示模块和监管终端均与电源模块连接;
数据采集模块包含碳排放量的核算,碳排放量的核算方法包括排放因子法、质量平衡法和实测法;
所述排放因子法计算公式为:
温室气体GHG排放=活动数据AD×排放因子EF (1)
式(1)中,AD是导致温室气体排放的生产或消费活动的活动量;EF是与活动水平数据对应的系数,活动水平数据包括单位热值含碳量或元素碳含量或氧化率,元素含碳量或氧化率表征单位生产或消费活动量的温室气体排放系数;
所述质量平衡法计算公式为:
二氧化碳排放=原料投入量×原料含碳量产品产出量×产品含碳量/>废物输出量×废物含碳量×/> (2)
式(2)中,是碳转换成/>的转换系数;
所述实测法基于排放源实测基础数据,汇总得到相关碳排放量;
所述信息接收单元通过ADF023射频芯片控制数据信息的接收,数据信息通过功率计算接收数据信息,功率计算公式为:
(3)
在公式(3)中,其中Pt表示数据采集模块传输所采集数据信息的功率,R表示数据传输距离,Gt表示传输所采集数据信息的通信增益,Gr表示接收所采集数据信息的通信增益,λ表示数据信息波长,Pr表示数据信息接收功率;
信息定位单元定位方法为:
通过数据信息编码类型对接收到的数据信息进行编码,设置k个数据编码数据类型,第k个数据编码数据类型在空间中的位置定义为,其中T表示通信协议,x和y表示空间数据信息向量;
假设所接收到的数据信息距离信号源处,且信息接收单元的观察时间为/>,信息接收单元接收到的信号功率函数为:
(4)
在公式(4)中,其中P RX 表示信号功率函数输出,表示数据信息的传输能量, G tag表示数据信息编码的定向收益, Gr表示数据信息出传输的定向收益, d表示编码与数据源进行数据信息传输的距离,η表示数据信息传输路径损耗系数,所述信息读取单元通过差分计算实现数据输出的最佳增益,增益函数输出为:
(5)
在公式(5)中,RG为设定接收模块的共模抑制比,数据为95DB,带宽为125kHz,数据信息传输过程中的失真度为;数据信息传输过程中的信息传递函数为:
(6)
在公式(6)中,G(s)表示信息传递函数,UO(s)表示数据信息输出函数,Ui(s)表示数据信息输入函数,GO表示数据信息输出信息,ωn表示无阻尼自振频率参数,s表示拉氏变换后式子的横坐标参数,表示传输函数的阻尼系数,阻尼系数函数为:
(7)
在公式(7)中,R1表示第一阻尼电阻,C1表示第一阻尼电容,R2表示第二阻尼电阻,C2表示第二阻尼电容。
2.根据权利要求1所述的一种智慧城市碳中和数据分析系统,其特征在于:所述数据采集模块通过芯片AMIS-49587和芯片CS5463的主控模块对分布式采集终端进行控制,通过含碳量计算对不同数据来源获取真实数据。
3.根据权利要求1所述的一种智慧城市碳中和数据分析系统,其特征在于:
所述主控单元为ARM Cortex-M0 32 位内核的STM32F051C6 微控制器。
4.根据权利要求1所述的一种智慧城市碳中和数据分析系统,其特征在于:
所述粒子群算法模型的工作方法为:
首先随机生成一群随机粒子,当前粒子的速度函数如公式(8)所示:
(8)
如公式(8)所示,为当前粒子的速度,/>和/>则为粒子的加速常数,/>表示第/>个粒子的第/>维,而/>表示全局最优解的第/>维;
调度数据更新位置如公式(9)所示:
(9)
公式(9)中,表示粒子移动后的新位置,当所有粒子每完成一次移动,即表示该算法迭代一次;碳跟踪函数如公式(10)所示:
(10)
公式(10)中,m表示碳排放设备数量,表示依赖矩阵,/>表示时延矩阵,/>为0时表示碳排放设备节点j与溯源数据信息节点i不存在依赖关系,M表示碳跟踪函数。
5.根据权利要求1所述的一种智慧城市碳中和数据分析系统,其特征在于:
所述可视化处理模块通过Web前端实现可视化模块的设计,可视化处理步骤包括数据获取、数据处理、可视化模块选择、可视化模块设计、数据绑定和可视化模块优化。
6.根据权利要求1所述的一种智慧城市碳中和数据分析系统,其特征在于:特征提取的步骤包括:
(步骤一)、通过方向梯度直方图HOG模块实现碳中和数据信息的提取,选择采集到的碳中和数据信息,标记待提取的碳中和数据信息;
(步骤二)、通过灰度图转换模块实现灰度转换,将标记的碳中和数据信息转换为灰度图,通过Gamma标准化方法实现数据信息转换,输出信息内容公式为:
(11)
式(11)中,表示碳中和数据信息的灰度值,且/>,根据公式(11)实现灰度值的二分之一处理,将输入碳中和数据信息处理成二分之一,再将输入的二分之一碳中和数据信息处理成四分之一,再将输入的四分之一碳中和数据信息处理成八分之一,实现碳中和数据信息的处理与计算;
碳中和数据信息采用梯度计算,通过梯度计算图像,在像素点的梯度值记作为:
(12)
公式(12)中,表示碳中和数据的水平梯度值,/>表示碳中和数据的垂直梯度值,/>表示碳中和数据的像素值,像素点/>的梯度向量为:
(13)
公式(13)中,表示碳中和数据的梯度值,/>表示碳中和数据梯度方向;
通过步骤二构建方向梯度直方图,将图像分成若干模块,每个模块有8*8个像素,将模块梯度方向分成9块;对模块中的每个像素在梯度方向直方图中进行加权投影,统计出该模块的梯度方向直方图;将分割的图像数据信息进行模块归一化处理,将相邻的几个模块进行组合,实现归一化处理,将归一化后的图像数据信息生成特征向量,实现碳中和数据信息的识别;
(步骤三)、通过支持向量机SVM分类器分类模块;
(步骤四)、通过图像输出实现数据信息的输出。
7.根据权利要求1所述的一种智慧城市碳中和数据分析系统,其特征在于:信息处理的工作方法为:
(步骤1)、采用二维高斯模糊函数对数据信息进行分类,分类函数为:
(14)
式(14)中,表示高斯函数,x是采集到的碳中和数据信息在水平轴上距原点的距离,y是采集到的碳中和数据信息在垂直轴上距原点的距离,σ是高斯分布的标准偏差,介于3-10.5之间;
(步骤2)、数据信息分析;
通过分析函数对输入的数据信息进行计算,计算函数为:
(15)
式(15)中,表示数据信息分析函数,R、G、B分别表示数据信息分析函数中的模糊度、类别和数据属性;处理后的数据信息特征集函数为:
(16)
(17)
根据模糊度、类别和数据属性筛选出的函数如公式(16)和(17)所示;
(步骤3)、通过欧几里得距离计算实际计算属性与处理后数据信息之间的差距,欧几里得距离方程表示为:
(18)
公式(18)中,x表示分析碳中和数据信息时,故障数据信息特征集中的特征向量;y表示碳中和数据信息输入待匹配的特征向量,、/>表示输入碳中和数据信息特征对应的特征分量。
8.根据权利要求1所述的一种智慧城市碳中和数据分析系统,其特征在于:
所述信息显示模块采用无线数据通信模块实现显示数据信息传递。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310537918.9A CN116257792B (zh) | 2023-05-15 | 2023-05-15 | 一种智慧城市碳中和数据分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310537918.9A CN116257792B (zh) | 2023-05-15 | 2023-05-15 | 一种智慧城市碳中和数据分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116257792A CN116257792A (zh) | 2023-06-13 |
CN116257792B true CN116257792B (zh) | 2023-08-11 |
Family
ID=86681040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310537918.9A Active CN116257792B (zh) | 2023-05-15 | 2023-05-15 | 一种智慧城市碳中和数据分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116257792B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112684A (zh) * | 2023-07-18 | 2023-11-24 | 河北信服科技有限公司 | 基于物联网的数字化可视化分析系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150014020A (ko) * | 2013-07-26 | 2015-02-06 | 주식회사 나라 | 탄소정보시스템 |
CN114035752A (zh) * | 2021-12-01 | 2022-02-11 | 特斯联科技集团有限公司 | 一种城市碳中和数据处理系统 |
CN114119321A (zh) * | 2021-12-02 | 2022-03-01 | 特斯联科技集团有限公司 | 一种基于物联网的城市建筑碳中和系统 |
CN114154871A (zh) * | 2021-12-02 | 2022-03-08 | 特斯联科技集团有限公司 | 一种基于大数据处理的建筑物碳排放分析系统 |
CN114662188A (zh) * | 2022-03-09 | 2022-06-24 | 上海有间建筑科技有限公司 | 一种智慧建造施工用模拟分析系统 |
CN115375522A (zh) * | 2022-08-31 | 2022-11-22 | 成都钊峪半网络科技有限公司 | 智慧城市碳中和数据分析系统 |
CN115545560A (zh) * | 2022-11-08 | 2022-12-30 | 内蒙古华讯软件有限公司 | 一种智慧能源可视化管理平台 |
-
2023
- 2023-05-15 CN CN202310537918.9A patent/CN116257792B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150014020A (ko) * | 2013-07-26 | 2015-02-06 | 주식회사 나라 | 탄소정보시스템 |
CN114035752A (zh) * | 2021-12-01 | 2022-02-11 | 特斯联科技集团有限公司 | 一种城市碳中和数据处理系统 |
CN114119321A (zh) * | 2021-12-02 | 2022-03-01 | 特斯联科技集团有限公司 | 一种基于物联网的城市建筑碳中和系统 |
CN114154871A (zh) * | 2021-12-02 | 2022-03-08 | 特斯联科技集团有限公司 | 一种基于大数据处理的建筑物碳排放分析系统 |
CN114662188A (zh) * | 2022-03-09 | 2022-06-24 | 上海有间建筑科技有限公司 | 一种智慧建造施工用模拟分析系统 |
CN115375522A (zh) * | 2022-08-31 | 2022-11-22 | 成都钊峪半网络科技有限公司 | 智慧城市碳中和数据分析系统 |
CN115545560A (zh) * | 2022-11-08 | 2022-12-30 | 内蒙古华讯软件有限公司 | 一种智慧能源可视化管理平台 |
Also Published As
Publication number | Publication date |
---|---|
CN116257792A (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Classifying airborne LiDAR point clouds via deep features learned by a multi-scale convolutional neural network | |
Wang et al. | Spatial and temporal variation, simulation and prediction of land use in ecological conservation area of Western Beijing | |
Blaschke et al. | Collective sensing: Integrating geospatial technologies to understand urban systems—An overview | |
US20150371161A1 (en) | System and methods for identifying, evaluating and predicting land use and agricultural production | |
Li et al. | Digitization and visualization of greenhouse tomato plants in indoor environments | |
Degerickx et al. | Mapping functional urban green types using high resolution remote sensing data | |
CN102521624B (zh) | 一种土地利用类型分类的方法和系统 | |
Erdoğan | Assessing farmers' perception to Agriculture 4.0 technologies: A new interval‐valued spherical fuzzy sets based approach | |
CN116257792B (zh) | 一种智慧城市碳中和数据分析系统 | |
Kausika et al. | Calibration and validation of ArcGIS solar radiation tool for photovoltaic potential determination in the Netherlands | |
Demestichas et al. | Data lifecycle management in precision agriculture supported by information and communication technology | |
Sánchez-Sutil et al. | Smart control and energy efficiency in irrigation systems using LoRaWAN | |
Reyana et al. | Accelerating Crop Yield: Multisensor Data Fusion and Machine Learning for Agriculture Text Classification | |
Lee et al. | UAV, a farm map, and machine learning technology convergence classification method of a corn cultivation area | |
Vikranth | An implementation of iot and data analytics in smart agricultural system–a systematic literature review | |
Kawakura et al. | Analyses of diverse agricultural worker data with explainable artificial intelligence: XAI based on Shap, LIME, and LightGBM | |
Abiri et al. | Application of digital technologies for ensuring agricultural productivity | |
Littidej et al. | Spatial Predictive Modeling of the Burning of Sugarcane Plots in Northeast Thailand with Selection of Factor Sets Using a GWR Model and Machine Learning Based on an ANN-CA | |
Zhou et al. | Pairs autogeo: an automated machine learning framework for massive geospatial data | |
Vinueza-Naranjo et al. | IoT-Based smart agriculture and Poultry farms for environmental sustainability and development | |
Niccolai et al. | Irradiance nowcasting by means of deep-learning analysis of infrared images | |
Gorricha et al. | A framework for exploratory analysis of extreme weather events using geostatistical procedures and 3D self-organizing maps | |
Rajasekhar et al. | Weather analysis of Guntur district of Andhra region using hybrid SVM Data Mining Techniques | |
Roser et al. | Drone imagery protocols to map vegetation are transferable between dryland sites across an elevational gradient | |
Bharathi et al. | Weather and Air Pollution real-time Monitoring System using Internet of Things |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |