[发明专利]一种社区碳排放监测和预测系统及方法

权利要求书

1.一种社区碳排放监测和预测系统，其特征在于，包括碳排放监测模块和碳排放预测模块；

所述碳排放监测模块包括数据采集模块和数据分析模块，所述数据采集模块用于对社区碳排放活动数据和碳排放预测所需输入参数进行采集，所述输入参数包括人均居民消费支出、社区居民常住人口数量和当地居民消费价格指数；

所述数据采集模块包括传感器、数据采集器、存储服务器，所述传感器与社区的碳排放源连接，所述传感器将从所述碳排放源上测量到的所述社区碳排放活动数据传递至所述数据采集器，所述数据采集器将社区碳排放活动数据传递至所述存储服务器进行存储形成存储数据；

所述数据分析模块从所述存储服务器读取所述存储数据，并对所述存储服务器中的分析信息进行综合分析，所述数据分析模块用于将所述社区碳排放活动数据转化成碳排放量，并进行汇总生成社区碳排放总量；

所述碳排放预测模块对输入参数进行无量纲化处理，并用改进支持向量机对社区碳排放进行预测；采用离差标准化方法对所述输入参数数据进行无量纲化，人均居民消费支出、社区居民常住人口数量和当地居民消费价格指数进行无量纲化的计算公式为：x_i'＝(x_i-x_min)/(x_max-x_min)，其中i＝1,2,…m，m为输入参数x_i的个数；x_min和x_max分别表示为输入参数x_i的最小值和最大值，x'_i为经过无量纲化的输入参数数据，x_i为经过当前实际的输入参数数据；

所述碳排放预测模块和所述分析模块均安装在终端计算机中；

所述分析信息包括社区碳排放边界范围、社区建筑面积、碳排放单元识别信息、社区常住人口数、社区碳排放量、户均碳排放量、人均碳排放量；

所述碳排放预测模块包括改进支持向量机预测模型模块，将社区碳排放总量和经过无量纲化的所述输入参数输入改进支持向量机预测模型模块中；

通过遗传算法优化最小二乘支持向量机模型得到所述改进支持向量机预测模型模块中的改进支持向量机，并通过优化后的所述改进支持向量机对社区碳排放量进行预测；

利用遗传算法改进支持向量机的步骤如下：

步骤a：确定惩罚因子C和核 函数的方差σ取值范围，两个参数的取值范围应为非零正数；

步骤b：选择训练样本的均值误差E作为遗传算法的适应度计算函数，为

，

其中l为样本个数，y_i(i＝1,2,…,l)为第i个样本的真实值，y_i′(i＝1,2,…,l)为第i个样本的预测值；

步骤c：在取值范围内随机产生惩罚因子C和核 函数的方差σ产生初始训练种群；

步骤d：将初始化后的种群代入支持向量机进行训练，计算适应度函数数值；具体包括：解码得到惩罚因子C和核 函数的方差σ，将惩罚因子C和核 函数的方差σ赋值给支持向量机，使用训练样本训练模型，使用测试样本测试网络，然后测试误差；

步骤e：利用遗传算法对适应度高的染色体进行复制、交叉和变异得到新群种，判断预测精度是否达到要求，如是则停止；否则返回步骤d重新计算；

步骤f：训练结束后，得到最优的惩罚因子C和核 函数的方差σ，代入支持向量机预测测试样本的数据。