CN117057484A - 一种矿山生态修复区域的碳排放量预测方法及系统 - Google Patents

一种矿山生态修复区域的碳排放量预测方法及系统 Download PDF

Info

Publication number
CN117057484A
CN117057484A CN202311309599.2A CN202311309599A CN117057484A CN 117057484 A CN117057484 A CN 117057484A CN 202311309599 A CN202311309599 A CN 202311309599A CN 117057484 A CN117057484 A CN 117057484A
Authority
CN
China
Prior art keywords
carbon emission
land utilization
area
carbon
land
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
CN202311309599.2A
Other languages
English (en)
Other versions
CN117057484B (zh
Inventor
原波
王蓓丽
郭丽莉
王思敏
瞿婷
杨旭
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.)
BCEG Environmental Remediation Co Ltd
Original Assignee
BCEG Environmental Remediation 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 BCEG Environmental Remediation Co Ltd filed Critical BCEG Environmental Remediation Co Ltd
Priority to CN202311309599.2A priority Critical patent/CN117057484B/zh
Publication of CN117057484A publication Critical patent/CN117057484A/zh
Application granted granted Critical
Publication of CN117057484B publication Critical patent/CN117057484B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Image Processing (AREA)

Abstract

本申请提供了一种矿山修复区域的碳排放量预测方法及系统，该方法包括：获取矿山修复区域内的全区域遥感图像，将全区域遥感图像分割成多个不同土地利用类型的子区域图像；将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；获取土地利用现状数据与能源资源数据，生成碳排放量与土地利用类型的对应关系，得到土地利用类型对应的碳排放量和碳吸收量；将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据；通过矿山修复区域的全区域遥感图像对土地利用类型进行划分，并根据土地利用类型分析对应的碳排放数据，并根据土地利用类型预测碳排放量的变化信息。

Description

一种矿山生态修复区域的碳排放量预测方法及系统
技术领域
本申请涉及碳排放预测领域，具体而言，涉及一种矿山修复区域的碳排放量预测方法及系统。
背景技术
土地利用碳排放是指土地在被人类社会干预以实现生产、生态和社会功能时，将产生的碳释放到大气中的过程，土地利用碳排放可以分为直接碳排放和间接碳排放两种方式，直接碳排放是指改变土地利用用途或方式的过程中产生的碳排放、间接碳排放是指在人类开发利用土地的过程中造成的碳排放，随着矿山修复的进行，土地利用类型也会缓慢发生变化，不同的土地利用类型会造成碳排放量与碳吸收量的变化，通过两者的分析可以精准的校正碳排放量，现有的矿山修复区域内无法根据修复情况调整土地利用类型，不同的土地利用类型产生不同的碳排放量，无法精准的预测不同修复区域内的碳排放量，针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种矿山修复区域的碳排放量预测方法及系统，通过矿山修复区域的全区域遥感图像对土地利用类型进行划分，并根据土地利用类型分析对应的碳排放数据，并根据土地利用类型预测碳排放量的变化信息。
本申请实施例还提供了一种矿山修复区域的碳排放量预测方法，包括：
获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像；
将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；
获取土地利用现状数据与能源资源数据，生成碳排放量与土地利用类型的对应关系，并得到土地利用类型对应的碳排放量和碳吸收量；
将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据。
可选地，在本申请实施例所述的矿山修复区域的碳排放量预测方法中，获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像，具体为：
获取全区域遥感图像，提取遥感图像特征，将遥感图像特征与预设的特征进行相似度计算，得到纹理特征；
根据纹理特征计算土地利用类型；
根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域；
根据修复子区域的参数将全区域遥感图像进行图像分割，得到多个不同土地利用类型的子区域图像。
可选地，在本申请实施例所述的矿山修复区域的碳排放量预测方法中,根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域，具体为：
获取遥感图像特征，根据遥感图像特征分析土地利用状态；
将土地利用状态与预设的状态信息进行比较，得到状态偏差率；
判断所述状态偏差率是否大于或等于预设的状态偏差率阈值；
若大于或等于，则生成调整参数，根据调整参数对当前土地利用类型进行调整；
若小于，则根据土地利用状态分析土地利用类型，将相同土地利用类型的矿山修复区域进行同一子区域划分，得到多个修复子区域。
可选地，在本申请实施例所述的矿山修复区域的碳排放量预测方法中，将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系，具体为：
获取同一土地利用类型不同时间节点的碳排放量，将不同时间节点作为横坐标，时间节点对应的碳排放量作为纵坐标，建立坐标系，生成不同时间节点下同一土地利用类型的碳排放曲线；
根据坐标系生成不同土地利用类型的时间节点与碳排放量之间的关系曲线；
将相同时间节点下的不同土地利用类型的碳排放量进行叠加计算，得到总的碳排放量，生成时间节点与总的碳排放量之间的关系曲线。
可选地，在本申请实施例所述的矿山修复区域的碳排放量预测方法中，获取同一土地利用类型不同时间节点的碳排放量，将不同时间节点作为横坐标，时间节点对应的碳排放量作为纵坐标，建立坐标系，生成不同时间节点下同一土地利用类型的碳排放曲线之后，还包括：
获取同一土地利用类型的碳排放曲线，获取不同时间节点下曲线的斜率信息；
将相邻时间节点下曲线的斜率进行比较，得到斜率偏差；
若斜率偏差大于预设的斜率偏差阈值，则生成修正信息，根据修正信息对碳排放曲线进行平滑处理；
若斜率偏差小于预设的斜率偏差阈值，则生成当前土地利用类型的碳排放权重信息。
可选地，在本申请实施例所述的矿山修复区域的碳排放量预测方法中，将相同时间节点下的不同土地利用类型的碳排放量进行叠加计算，得到总的碳排放量，生成时间节点与总的碳排放量之间的关系曲线，具体为：
获取不同土地利用类型的碳排放权重信息，根据碳排放权重信息修正对应的土地利用类型的碳排放量，得到权重优化碳排放量；
获取相同时间节点下的不同土地利用类型的碳排放量，并进行叠加计算，生成叠加数据；
将叠加数据与权重优化碳排放量进行比较，得到优化差值；
根据优化差值将时间节点与总的碳排放量之间的关系曲线进行优化处理。
第二方面，本申请实施例提供了一种矿山修复区域的碳排放量预测系统，该系统包括：存储器及处理器，所述存储器中包括矿山修复区域的碳排放量预测方法的程序，所述矿山修复区域的碳排放量预测方法的程序被所述处理器执行时实现以下步骤：
获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像；
将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；
获取土地利用现状数据与能源资源数据，碳排放与土地利用类型的对应关系核算并生成土地利用类型碳排放量和碳吸收量；
将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据。
可选地，在本申请实施例所述的矿山修复区域的碳排放量预测系统中，获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像；
将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；
获取土地利用现状数据与能源资源数据，碳排放与土地利用类型的对应关系核算并生成土地利用类型碳排放量和碳吸收量；
将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据。
可选地，在本申请实施例所述的矿山修复区域的碳排放量预测系统中，根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域，具体为：
获取遥感图像特征，根据遥感图像特征分析土地利用状态；
将土地利用状态与预设的状态信息进行比较，得到状态偏差率；
判断所述状态偏差率是否大于或等于预设的状态偏差率阈值；
若大于或等于，则生成调整参数，根据调整参数对当前土地利用类型进行调整；
若小于，则根据土地利用状态分析土地利用类型，将相同土地利用类型的矿山修复区域进行同一子区域划分，得到多个修复子区域。
第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括矿山修复区域的碳排放量预测方法程序，所述矿山修复区域的碳排放量预测方法程序被处理器执行时，实现前述如矿山修复区域的碳排放量预测方法的步骤。
由上可知，本申请实施例提供的一种矿山修复区域的碳排放量预测方法及系统，通过获取矿山修复区域内的全区域遥感图像，将全区域遥感图像分割成多个不同土地利用类型的子区域图像；将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；获取土地利用现状数据与能源资源数据，生成碳排放量与土地利用类型的对应关系，得到土地利用类型对应的碳排放量和碳吸收量；将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据；通过矿山修复区域的全区域遥感图像对土地利用类型进行划分，并根据土地利用类型分析对应的碳排放数据，并根据土地利用类型预测碳排放量的变化信息。
本申请的其他特征和优点将在随后的说明书阐述，本申请的目的和优点通过所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的矿山修复区域的碳排放量预测方法的流程图；
图2为本申请实施例提供的矿山修复区域的碳排放量预测方法的子区域图像获取流程图；
图3为本申请实施例提供的矿山修复区域的碳排放量预测方法的修复子区域划分方法流程图；
图4为本申请实施例提供的矿山修复区域的碳排放量预测系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种矿山修复区域的碳排放量预测方法的流程图。该矿山修复区域的碳排放量预测方法用于终端设备中，该矿山修复区域的碳排放量预测方法，包括以下步骤：
S101，获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像；
S102，将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；
S103，获取土地利用现状数据与能源资源数据，生成碳排放量与土地利用类型的对应关系，并得到土地利用类型对应的碳排放量和碳吸收量；
S104，将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据。
需要说明的是，通过分析土地利用类型对碳排放量与碳吸收量进行获取分析，通过两者差值计算实际碳排放量，根据然排放与土地利用的对应关系可以预测土地利用类型变化过程中的碳排放变化，实现矿山修复区域的碳排放预测。
请参照图2，图2是本申请一些实施例中的一种矿山修复区域的碳排放量预测方法的子区域图像获取流程图。根据本发明实施例，获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像，具体为：
S201，获取全区域遥感图像，提取遥感图像特征，将遥感图像特征与预设的特征进行相似度计算，得到纹理特征；
S202，根据纹理特征计算土地利用类型；
S203，根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域；
S204，根据修复子区域的参数将全区域遥感图像进行图像分割，得到多个不同土地利用类型的子区域图像。
需要说明的是，通过图像纹理特征对土地利用类型进行区分，在对修复区域进行分割时，提高分割精度，根据不同的土地利用类型进行子区域图像划分。
请参照图3，图3是本申请一些实施例中的一种矿山修复区域的碳排放量预测方法的修复子区域划分方法流程图。根据本发明实施例,根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域，具体为：
S301，获取遥感图像特征，根据遥感图像特征分析土地利用状态；
S302，将土地利用状态与预设的状态信息进行比较，得到状态偏差率；
S303，判断状态偏差率是否大于或等于预设的状态偏差率阈值；
S304，若大于或等于，则生成调整参数，根据调整参数对当前土地利用类型进行调整；
S305，若小于，则根据土地利用状态分析土地利用类型，将相同土地利用类型的矿山修复区域进行同一子区域划分，得到多个修复子区域。
需要说明的是，在进行矿山修复过程中，随着修复的进行，土地利用类型也会随着变化，如矿山土地变成耕地或林地，土地利用类型的变化会造成土地碳排放的变化，土地利用类型变化可以用土地利用动态度来表示变化速度，可以比较土地利用间的差异，并根据差异将矿山修复区域进行精准划分，并且在对土地利用变化的变速进行定量描述，可以精准的预测未来土地利用变化趋势对碳排放的影响，提高碳排放量的预测精度。
土地利用类型在某一时期内的变化率进行辅助判断碳排放量的变化，土地利用类型变化率计算公式如下：
；
其中，表示土地利用类型在时间/>内的变化率，/>分别表示土地利用理性在当年或下一年的面积，/>表示土地修复时长。
根据本发明实施例，将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系，具体为：
获取同一土地利用类型不同时间节点的碳排放量，将不同时间节点作为横坐标，时间节点对应的碳排放量作为纵坐标，建立坐标系，生成不同时间节点下同一土地利用类型的碳排放曲线；
根据坐标系生成不同土地利用类型的时间节点与碳排放量之间的关系曲线；
将相同时间节点下的不同土地利用类型的碳排放量进行叠加计算，得到总的碳排放量，生成时间节点与总的碳排放量之间的关系曲线。
需要说明的是，通过时间节点与碳排放量建立坐标系，并绘制时间节点与碳排放之间的关系曲线，不同的土地利用类型得到不同的碳排放量的多个曲线图，多个曲线图进行叠加计算，实现碳排放预测的优化。
根据本发明实施例，获取同一土地利用类型不同时间节点的碳排放量，将不同时间节点作为横坐标，时间节点对应的碳排放量作为纵坐标，建立坐标系，生成不同时间节点下同一土地利用类型的碳排放曲线之后，还包括：
获取同一土地利用类型的碳排放曲线，获取不同时间节点下曲线的斜率信息；
将相邻时间节点下曲线的斜率进行比较，得到斜率偏差；
若斜率偏差大于预设的斜率偏差阈值，则生成修正信息，根据修正信息对碳排放曲线进行平滑处理；
若斜率偏差小于预设的斜率偏差阈值，则生成当前土地利用类型的碳排放权重信息。
需要说明的是，通过判断不同时间节点下的碳排放曲线的斜率信息进行判断斜率偏差率，从而对碳排放曲线进行平滑处理，使碳排放曲线可以更加精准直观的反应土地类型与碳排放量之间的关系，从而精准的对碳排放量进行预测。
根据本发明实施例，将相同时间节点下的不同土地利用类型的碳排放量进行叠加计算，得到总的碳排放量，生成时间节点与总的碳排放量之间的关系曲线，具体为：
获取不同土地利用类型的碳排放权重信息，根据碳排放权重信息修正对应的土地利用类型的碳排放量，得到权重优化碳排放量；
获取相同时间节点下的不同土地利用类型的碳排放量，并进行叠加计算，生成叠加数据；
将叠加数据与权重优化碳排放量进行比较，得到优化差值；
根据优化差值将时间节点与总的碳排放量之间的关系曲线进行优化处理。
根据本发明实施例，获取土地利用现状数据与能源资源数据，生成碳排放量与土地利用类型的对应关系，并得到土地利用类型对应的碳排放量和碳吸收量，具体为：
根据土地利用现状数据生成当前土地利用类型；
获取当前土地利用类型对应的能源资源数据生成矿山修复区域内碳排放量与碳吸收量；
通过碳排放量计算不同时间节点下的碳排放变化率；
根据碳吸收量计算不同时间节点下的碳吸收变化率；
将碳排放变化率与碳吸收变化率进行差值计算，得到碳数据变化信息；
根据碳数据变化信息生成矿山修复区域的碳变化状态，并对下一时间节点的碳变化状态进行预测。
需要说明的是，在对矿山修复区域进行碳排放预测过程中，随着矿山修复的进行，部分矿山土地会改变土地利用类型，不同的土地利用类型产生的碳排放不同，矿山修复成耕地与林地过程中，土地种植的植物也会吸收部分碳排放，需要将碳吸收量进行反向校正碳排放量，从而提高预测精度。
根据本发明实施例，还包括：
获取修复子区域内的碳排放量；
将相邻修复子区域内的碳排放量进行差值计算，得到碳排放量差值；
判断所述碳排放量差值是否大于预设第一阈值，若是，根据碳排放量差值落入的预设范围，确定对应相邻修复子区域之间的预设碳扩散系数；
根据对应相邻修复子区域之间的预设碳扩散系数和修复子区域内的碳排放量，得到修订之后的修复子区域内的碳排放量。
需要说明的是，相邻修复子区域内的碳排放量差值越大，相邻修复子区域之间的碳流动越大，因此，当碳排放量差值大于预设第一阈值时，需要根据相邻修复子区域之间的预设碳扩散系数对相邻修复子区域内的碳排放量进行修订，所述碳排放量差值越大，对应相邻修复子区域之间的预设碳扩散系数越大，不同预设范围的碳排放量差值，对应不同的预设碳扩散系数，比如将预设碳扩散系数为，将相邻修复子区域内的碳排放量设为/>和/>,其中/>，则/>对应的修复子区域1修订之后的碳排放量设为/>，其公式为/>，对应的修复子区域2修订之后的碳排放量设为/>，其公式为/>。
根据本发明实施例，还包括：
获取矿山修复区域内的环境信息；
提取矿山修复区域内的环境特征值；
判断矿山修复区域内的环境特征值是否大于对应预设环境特征阈值，若是，触发警示信息；
根据警示信息，停止对该矿山修复区域内的全区域遥感图像的收集。
需要说明的是，所述矿山修复区域内的环境特征值包括对应矿山修复区域内的温度值、清晰度、风量等，比如环境特征值为风量时，对应预设环境特征值为风速等级，比如将当前环境下的分量为5级风速，对应预设环境特征阈值为3级风速，则触发警示信息，说明当前矿山修复区域内的环境不适合收集全区域遥感图像。
根据本发明实施例，还包括：
根据矿山修复区域内的环境特征值，得到修复子区域内的环境特征值；
将修复子区域内的环境特征值减去预设标准环境下的环境特征值，得到第二特征差值；
将所述第二特征差值进行归一化处理，得到第一数据；
将第一数据进行累加，并乘以预设碳扩散修订系数，得到预设碳扩散系数的修订值；
将预设碳扩散系数的修订值加上预设碳扩散系数，得到修订之后的碳扩散系数。
需要说明的是，所述预设碳扩散系数是在矿山修复区域内的环境处于标准环境下的参数，比如标准环境为温度在18摄氏度至25摄氏度，风速低于2级等，当处于标准环境时，矿山修复区域内的环境对相邻修复子区域之间的预设碳扩散系数的影响可以进行忽略。
请参照图4，图4是本申请一些实施例中的一种矿山修复区域的碳排放量预测系统的结构示意图。第二方面，本申请实施例提供了一种矿山修复区域的碳排放量预测系统4，该系统包括：存储器41及处理器42，存储器41中包括矿山修复区域的碳排放量预测方法的程序，矿山修复区域的碳排放量预测方法的程序被处理器执行时实现以下步骤：
获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像；
将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；
获取土地利用现状数据与能源资源数据，碳排放与土地利用类型的对应关系核算并生成土地利用类型碳排放量和碳吸收量；
将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据。
需要说明的是，通过分析土地利用类型对碳排放量与碳吸收量进行获取分析，通过两者差值计算实际碳排放量，根据然排放与土地利用的对应关系可以预测土地利用类型变化过程中的碳排放变化，实现矿山修复区域的碳排放预测。
根据本发明实施例，获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像；
将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；
获取土地利用现状数据与能源资源数据，碳排放与土地利用类型的对应关系核算并生成土地利用类型碳排放量和碳吸收量；
将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据。
需要说明的是，通过图像纹理特征对土地利用类型进行区分，在对修复区域进行分割时，提高分割精度，根据不同的土地利用类型进行子区域图像划分。
根据本发明实施例，根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域，具体为：
获取遥感图像特征，根据遥感图像特征分析土地利用状态；
将土地利用状态与预设的状态信息进行比较，得到状态偏差率；
判断状态偏差率是否大于或等于预设的状态偏差率阈值；
若大于或等于，则生成调整参数，根据调整参数对当前土地利用类型进行调整；
若小于，则根据土地利用状态分析土地利用类型，将相同土地利用类型的矿山修复区域进行同一子区域划分，得到多个修复子区域。
需要说明的是，在进行矿山修复过程中，随着修复的进行，土地利用类型也会随着变化，如矿山土地变成耕地或林地，土地利用类型的变化会造成土地碳排放的变化，土地利用类型变化可以用土地利用动态度来表示变化速度，可以比较土地利用间的差异，并根据差异将矿山修复区域进行精准划分，并且在对土地利用变化的变速进行定量描述，可以精准的预测未来土地利用变化趋势对碳排放的影响，提高碳排放量的预测精度。
土地利用类型在某一时期内的变化率进行辅助判断碳排放量的变化，土地利用类型变化率计算公式如下：
；
其中，表示土地利用类型在时间/>内的变化率，/>分别表示土地利用理性在当年或下一年的面积，/>表示土地修复时长。
根据本发明实施例，将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系，具体为：
获取同一土地利用类型不同时间节点的碳排放量，将不同时间节点作为横坐标，时间节点对应的碳排放量作为纵坐标，建立坐标系，生成不同时间节点下同一土地利用类型的碳排放曲线；
根据坐标系生成不同土地利用类型的时间节点与碳排放量之间的关系曲线；
将相同时间节点下的不同土地利用类型的碳排放量进行叠加计算，得到总的碳排放量，生成时间节点与总的碳排放量之间的关系曲线。
需要说明的是，通过时间节点与碳排放量建立坐标系，并绘制时间节点与碳排放之间的关系曲线，不同的土地利用类型得到不同的碳排放量的多个曲线图，多个曲线图进行叠加计算，实现碳排放预测的优化。
根据本发明实施例，获取同一土地利用类型不同时间节点的碳排放量，将不同时间节点作为横坐标，时间节点对应的碳排放量作为纵坐标，建立坐标系，生成不同时间节点下同一土地利用类型的碳排放曲线之后，还包括：
获取同一土地利用类型的碳排放曲线，获取不同时间节点下曲线的斜率信息；
将相邻时间节点下曲线的斜率进行比较，得到斜率偏差；
若斜率偏差大于预设的斜率偏差阈值，则生成修正信息，根据修正信息对碳排放曲线进行平滑处理；
若斜率偏差小于预设的斜率偏差阈值，则生成当前土地利用类型的碳排放权重信息。
需要说明的是，通过判断不同时间节点下的碳排放曲线的斜率信息进行判断斜率偏差率，从而对碳排放曲线进行平滑处理，使碳排放曲线可以更加精准直观的反应土地类型与碳排放量之间的关系，从而精准的对碳排放量进行预测。
根据本发明实施例，将相同时间节点下的不同土地利用类型的碳排放量进行叠加计算，得到总的碳排放量，生成时间节点与总的碳排放量之间的关系曲线，具体为：
获取不同土地利用类型的碳排放权重信息，根据碳排放权重信息修正对应的土地利用类型的碳排放量，得到权重优化碳排放量；
获取相同时间节点下的不同土地利用类型的碳排放量，并进行叠加计算，生成叠加数据；
将叠加数据与权重优化碳排放量进行比较，得到优化差值；
根据优化差值将时间节点与总的碳排放量之间的关系曲线进行优化处理。
根据本发明实施例，获取土地利用现状数据与能源资源数据，生成碳排放量与土地利用类型的对应关系，并得到土地利用类型对应的碳排放量和碳吸收量，具体为：
根据土地利用现状数据生成当前土地利用类型；
获取当前土地利用类型对应的能源资源数据生成矿山修复区域内碳排放量与碳吸收量；
通过碳排放量计算不同时间节点下的碳排放变化率；
根据碳吸收量计算不同时间节点下的碳吸收变化率；
将碳排放变化率与碳吸收变化率进行差值计算，得到碳数据变化信息；
根据碳数据变化信息生成矿山修复区域的碳变化状态，并对下一时间节点的碳变化状态进行预测。
需要说明的是，在对矿山修复区域进行碳排放预测过程中，随着矿山修复的进行，部分矿山土地会改变土地利用类型，不同的土地利用类型产生的碳排放不同，矿山修复成耕地与林地过程中，土地种植的植物也会吸收部分碳排放，需要将碳吸收量进行反向校正碳排放量，从而提高预测精度。
根据本发明实施例，还包括：
获取修复子区域内的碳排放量；
将相邻修复子区域内的碳排放量进行差值计算，得到碳排放量差值；
判断所述碳排放量差值是否大于预设第一阈值，若是，根据碳排放量差值落入的预设范围，确定对应相邻修复子区域之间的预设碳扩散系数；
根据对应相邻修复子区域之间的预设碳扩散系数和修复子区域内的碳排放量，得到修订之后的修复子区域内的碳排放量。
需要说明的是，相邻修复子区域内的碳排放量差值越大，相邻修复子区域之间的碳流动越大，因此，当碳排放量差值大于预设第一阈值时，需要根据相邻修复子区域之间的预设碳扩散系数对相邻修复子区域内的碳排放量进行修订，所述碳排放量差值越大，对应相邻修复子区域之间的预设碳扩散系数越大，不同预设范围的碳排放量差值，对应不同的预设碳扩散系数，比如将预设碳扩散系数为，将相邻修复子区域内的碳排放量设为/>和/>,其中/>，则/>对应的修复子区域1修订之后的碳排放量设为/>，其公式为/>，对应的修复子区域2修订之后的碳排放量设为/>，其公式为/>。
根据本发明实施例，还包括：
获取矿山修复区域内的环境信息；
提取矿山修复区域内的环境特征值；
判断矿山修复区域内的环境特征值是否大于对应预设环境特征阈值，若是，触发警示信息；
根据警示信息，停止对该矿山修复区域内的全区域遥感图像的收集。
需要说明的是，所述矿山修复区域内的环境特征值包括对应矿山修复区域内的温度值、清晰度、风量等，比如环境特征值为风量时，对应预设环境特征值为风速等级，比如将当前环境下的分量为5级风速，对应预设环境特征阈值为3级风速，则触发警示信息，说明当前矿山修复区域内的环境不适合收集全区域遥感图像。
根据本发明实施例，还包括：
根据矿山修复区域内的环境特征值，得到修复子区域内的环境特征值；
将修复子区域内的环境特征值减去预设标准环境下的环境特征值，得到第二特征差值；
将所述第二特征差值进行归一化处理，得到第一数据；
将第一数据进行累加，并乘以预设碳扩散修订系数，得到预设碳扩散系数的修订值；
将预设碳扩散系数的修订值加上预设碳扩散系数，得到修订之后的碳扩散系数。
需要说明的是，所述预设碳扩散系数是在矿山修复区域内的环境处于标准环境下的参数，比如标准环境为温度在18摄氏度至25摄氏度，风速低于2级等，当处于标准环境时，矿山修复区域内的环境对相邻修复子区域之间的预设碳扩散系数的影响可以进行忽略。
本发明第三方面提供了一种计算机可读存储介质，可读存储介质中包括矿山修复区域的碳排放量预测方法程序，矿山修复区域的碳排放量预测方法程序被处理器执行时，实现前述如矿山修复区域的碳排放量预测方法的步骤。
本发明公开的一种矿山修复区域的碳排放量预测方法、系统及介质，通过获取矿山修复区域内的全区域遥感图像，将全区域遥感图像分割成多个不同土地利用类型的子区域图像；将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；获取土地利用现状数据与能源资源数据，生成碳排放量与土地利用类型的对应关系，得到土地利用类型对应的碳排放量和碳吸收量；将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据；通过矿山修复区域的全区域遥感图像对土地利用类型进行划分，并根据土地利用类型分析对应的碳排放数据，并根据土地利用类型预测碳排放量的变化信息。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种矿山修复区域的碳排放量预测方法，其特征在于，包括：
获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像；
将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；
获取土地利用现状数据与能源资源数据，生成碳排放量与土地利用类型的对应关系，并得到土地利用类型对应的碳排放量和碳吸收量；
将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据。
2.根据权利要求1所述的矿山修复区域的碳排放量预测方法，其特征在于，获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像，具体为：
获取全区域遥感图像，提取遥感图像特征，将遥感图像特征与预设的特征进行相似度计算，得到纹理特征；
根据纹理特征计算土地利用类型；
根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域；
根据修复子区域的参数将全区域遥感图像进行图像分割，得到多个不同土地利用类型的子区域图像。
3.根据权利要求2所述的矿山修复区域的碳排放量预测方法，其特征在于，根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域，具体为：
获取遥感图像特征，根据遥感图像特征分析土地利用状态；
将土地利用状态与预设的状态信息进行比较，得到状态偏差率；
判断所述状态偏差率是否大于或等于预设的状态偏差率阈值；
若大于或等于，则生成调整参数，根据调整参数对当前土地利用类型进行调整；
若小于，则根据土地利用状态分析土地利用类型，将相同土地利用类型的矿山修复区域进行同一子区域划分，得到多个修复子区域。
4.根据权利要求3所述的矿山修复区域的碳排放量预测方法，其特征在于，将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系，具体为：
获取同一土地利用类型不同时间节点的碳排放量，将不同时间节点作为横坐标，时间节点对应的碳排放量作为纵坐标，建立坐标系，生成不同时间节点下同一土地利用类型的碳排放曲线；
根据坐标系生成不同土地利用类型的时间节点与碳排放量之间的关系曲线；
将相同时间节点下的不同土地利用类型的碳排放量进行叠加计算，得到总的碳排放量，生成时间节点与总的碳排放量之间的关系曲线。
5.根据权利要求4所述的矿山修复区域的碳排放量预测方法，其特征在于，获取同一土地利用类型不同时间节点的碳排放量，将不同时间节点作为横坐标，时间节点对应的碳排放量作为纵坐标，建立坐标系，生成不同时间节点下同一土地利用类型的碳排放曲线之后，还包括：
获取同一土地利用类型的碳排放曲线，获取不同时间节点下曲线的斜率信息；
将相邻时间节点下曲线的斜率进行比较，得到斜率偏差；
若斜率偏差大于预设的斜率偏差阈值，则生成修正信息，根据修正信息对碳排放曲线进行平滑处理；
若斜率偏差小于预设的斜率偏差阈值，则生成当前土地利用类型的碳排放权重信息。
6.根据权利要求5所述的矿山修复区域的碳排放量预测方法，其特征在于，将相同时间节点下的不同土地利用类型的碳排放量进行叠加计算，得到总的碳排放量，生成时间节点与总的碳排放量之间的关系曲线，具体为：
获取不同土地利用类型的碳排放权重信息，根据碳排放权重信息修正对应的土地利用类型的碳排放量，得到权重优化碳排放量；
获取相同时间节点下的不同土地利用类型的碳排放量，并进行叠加计算，生成叠加数据；
将叠加数据与权重优化碳排放量进行比较，得到优化差值；
根据优化差值将时间节点与总的碳排放量之间的关系曲线进行优化处理。
7.一种矿山修复区域的碳排放量预测系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括矿山修复区域的碳排放量预测方法的程序，所述矿山修复区域的碳排放量预测方法的程序被所述处理器执行时实现以下步骤：
获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像；
将子区域图像输入预设的碳排放模型，得到对应土地利用类型下的碳排放曲线图，并建立碳排放与土地利用类型的对应关系；
获取土地利用现状数据与能源资源数据，碳排放与土地利用类型的对应关系核算并生成土地利用类型碳排放量和碳吸收量；
将碳排放量与碳吸收量进行差值计算，得到最终的碳排放量预测数据。
8.根据权利要求7所述的矿山修复区域的碳排放量预测系统，其特征在于，获取矿山修复区域内的全区域遥感图像，根据土地利用类型将全区域遥感图像分割成多个不同土地利用类型的子区域图像，具体为：
获取全区域遥感图像，提取遥感图像特征，将遥感图像特征与预设的特征进行相似度计算，得到纹理特征；
根据纹理特征计算土地利用类型；
根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域；
根据修复子区域的参数将全区域遥感图像进行图像分割，得到多个不同土地利用类型的子区域图像。
9.根据权利要求8所述的矿山修复区域的碳排放量预测系统，其特征在于，根据遥感图像特征将矿山修复区域进行土地利用类型划分，得到多个修复子区域，具体为：
获取遥感图像特征，根据遥感图像特征分析土地利用状态；
将土地利用状态与预设的状态信息进行比较，得到状态偏差率；
判断所述状态偏差率是否大于或等于预设的状态偏差率阈值；
若大于或等于，则生成调整参数，根据调整参数对当前土地利用类型进行调整；
若小于，则根据土地利用状态分析土地利用类型，将相同土地利用类型的矿山修复区域进行同一子区域划分，得到多个修复子区域。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括矿山修复区域的碳排放量预测方法程序，所述矿山修复区域的碳排放量预测方法程序被处理器执行时，实现如权利要求1至6中任一项所述的矿山修复区域的碳排放量预测方法的步骤。
CN202311309599.2A 2023-10-11 2023-10-11 一种矿山生态修复区域的碳排放量预测方法及系统 Active CN117057484B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311309599.2A CN117057484B (zh) 2023-10-11 2023-10-11 一种矿山生态修复区域的碳排放量预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311309599.2A CN117057484B (zh) 2023-10-11 2023-10-11 一种矿山生态修复区域的碳排放量预测方法及系统

Publications (2)

Publication Number Publication Date
CN117057484A true CN117057484A (zh) 2023-11-14
CN117057484B CN117057484B (zh) 2024-01-02

Family

ID=88655759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311309599.2A Active CN117057484B (zh) 2023-10-11 2023-10-11 一种矿山生态修复区域的碳排放量预测方法及系统

Country Status (1)

Country Link
CN (1) CN117057484B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422004A (zh) * 2023-12-19 2024-01-19 武汉东方骏驰精密制造有限公司 基于神经网络的碳势预测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140022552A (ko) * 2012-08-14 2014-02-25 한국건설기술연구원 탄소 배출량 산출 장치
CN112365158A (zh) * 2020-11-11 2021-02-12 中国自然资源航空物探遥感中心 一种基于遥感数据的矿山复绿监测与评价方法
CN113850706A (zh) * 2021-11-30 2021-12-28 阿里云计算有限公司 一种地区碳测算方法、展示平台、云服务器及存储介质
CN114049052A (zh) * 2022-01-12 2022-02-15 北京英视睿达科技股份有限公司 一种某行政区域内的碳排放计算方法及可视化方法
CN115062823A (zh) * 2022-05-26 2022-09-16 中国科学院地理科学与资源研究所 一种基于土地利用的二氧化碳排放预测方法及装置
CN116228041A (zh) * 2023-03-27 2023-06-06 安徽金联地矿科技有限公司 一种废弃矿山生态修复后碳指标计算方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140022552A (ko) * 2012-08-14 2014-02-25 한국건설기술연구원 탄소 배출량 산출 장치
CN112365158A (zh) * 2020-11-11 2021-02-12 中国自然资源航空物探遥感中心 一种基于遥感数据的矿山复绿监测与评价方法
CN113850706A (zh) * 2021-11-30 2021-12-28 阿里云计算有限公司 一种地区碳测算方法、展示平台、云服务器及存储介质
CN114049052A (zh) * 2022-01-12 2022-02-15 北京英视睿达科技股份有限公司 一种某行政区域内的碳排放计算方法及可视化方法
CN115062823A (zh) * 2022-05-26 2022-09-16 中国科学院地理科学与资源研究所 一种基于土地利用的二氧化碳排放预测方法及装置
CN116228041A (zh) * 2023-03-27 2023-06-06 安徽金联地矿科技有限公司 一种废弃矿山生态修复后碳指标计算方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422004A (zh) * 2023-12-19 2024-01-19 武汉东方骏驰精密制造有限公司 基于神经网络的碳势预测方法及系统
CN117422004B (zh) * 2023-12-19 2024-04-02 武汉东方骏驰精密制造有限公司 基于神经网络的碳势预测方法及系统

Also Published As

Publication number Publication date
CN117057484B (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN117057484B (zh) 一种矿山生态修复区域的碳排放量预测方法及系统
CN104391860B (zh) 内容类别检测方法及装置
KR102468316B1 (ko) 과거 데이터에 기초한 시계열 예측 방법 및 장치
CN107704992A (zh) 输电线路雷击风险评估的方法及装置
CN105320809A (zh) 一种针对风电场空间相关性的风速预测方法
CN110415036B (zh) 用户等级的确定方法、装置、计算机设备和存储介质
Liu et al. Identifying the threshold of dominant controls on fire spread in a boreal forest landscape of northeast China
CN112329816A (zh) 数据分类方法、装置、电子设备和可读存储介质
CN113128676A (zh) 基于目标检测模型的剪枝方法、装置和存储介质
KR101907248B1 (ko) 확률적 가스폭발 시나리오 산출 시스템 및 이를 사용한 확률적 가스폭발 시나리오 산출 방법
CN117493805A (zh) 一种地质灾害评价过程中斜坡单元的评分取值方法
CN113837086A (zh) 一种基于深度卷积神经网络的水库钓鱼人检测方法
CN114896783A (zh) 空气质量改善效果的评估方法和装置
CN116187554A (zh) 流域的处理方法和装置、电子设备
CN104933365A (zh) 一种基于调用习惯的恶意代码自动化同源判定方法及系统
CN117095353B (zh) 一种作战演习动态监测方法、系统及介质
CN117852865A (zh) 森林火灾风险评估的非火点生成方法、装置、设备及介质
CN117035374A (zh) 一种应对突发事件的兵力协同调度方法、系统及介质
CN109600627B (zh) 一种视频识别方法和装置
CN111310121A (zh) 一种新能源出力概率预测方法和系统
CN114124564B (zh) 一种仿冒网站检测方法、装置、电子设备及存储介质
CN113657453B (zh) 基于生成对抗网络和深度学习的有害网站的检测方法
Borisov et al. The System of Fuzzy Cognitive Analysis and Modeling of System Dynamics
CN115237097A (zh) 自动驾驶仿真测试方法、装置、计算机设备和存储介质
Kulkarni et al. Effect of climate change on wind persistence at selected Indian offshore locations

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