买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉宁波凯星通科技股份有限公司申请的专利一种基于机器学习的碳足迹核算方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120952342B 。

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511468437.2，技术领域涉及：G06Q10/063；该发明授权一种基于机器学习的碳足迹核算方法及系统是由陈涵;郑怡珊;葛泽源;虞翔设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本一种基于机器学习的碳足迹核算方法及系统在说明书摘要公布了：本发明一种基于机器学习的碳足迹核算方法及系统，涉及碳足迹管理技术领域，方法包括：获取相同产品多个历史生命周期的活动量序列、因子序列及所有工艺参数的特征序列；基于因子序列和特征序列，计算所有工艺参数相对于每个排放因子的孤立显著程度、交互显著程度、特征显著程度；将工艺参数的特征序列分割为若干样本，并计算每个样本的相对重要程度；基于样本的相对重要程度构建损失函数，构建排放因子预测模型并基于损失函数进行训练；获取产品当前生命周期的数据，基于训练后的排放因子预测模型得到预测排放因子，计算产品的总碳足迹。本发明能够提高排放因子的预测精准度，并有效提高碳足迹核算的精准度。

本发明授权一种基于机器学习的碳足迹核算方法及系统在权利要求书中公布了：1.一种基于机器学习的碳足迹核算方法，其特征在于：获取相同产品多个历史生命周期内每个生命阶段所有排放因子对应的活动量序列和因子序列，以及每个生命阶段所有工艺参数的特征序列；基于因子序列和特征序列，计算所有工艺参数相对于每个排放因子的孤立显著程度、交互显著程度、特征显著程度；将每个生命阶段所有工艺参数的特征序列等长度分割为若干样本，并基于工艺参数的特征显著程度计算每个样本的相对重要程度；基于样本的相对重要程度构建损失函数，构建排放因子预测模型并基于样本及损失函数训练模型；获取产品当前生命周期的数据，基于训练后的排放因子预测模型得到预测排放因子，计算产品的总碳足迹； 其中，对于产品的整个历史生命周期，选择一个排放因子作为目标排放因子，选择排放因子所在生命阶段内任意一个工艺参数作为目标参数；对目标排放因子所在生命阶段内所有工艺参数的特征序列进行一阶差分处理，得到每个工艺参数的差分特征序列；对目标排放因子对应的因子序列进行一阶差分处理，得到目标排放因子的差分因子序列；分别对差分特征序列、差分因子序列进行滑动窗口处理，设定窗口长度和滑动步长，统计滑动划分的窗口数量；将目标参数与同一生命阶段内任一其它工艺参数的组合称为目标参数对，得到多个目标参数对； 孤立显著程度的计算公式如下： 式中，表示目标参数相对于目标排放因子的孤立显著程度，表示自然指数函数，表示滑动划分的窗口数量，表示窗口的长度，表示第个窗口内差分特征序列中第个元素，表示第个窗口内差分因子序列中第个元素；同理，依次计算得到每个历史生命周期各生命阶段内所有工艺参数相对于每个排放因子的孤立显著程度； 交互显著程度的计算公式如下： 式中，表示目标参数相对于目标排放因子的交互显著程度，表示自然指数函数，表示目标参数对的数量，表示差分特征序列或者差分因子序列的长度，表示目标参数的孤立显著程度，表示第个目标参数对中非目标参数的孤立显著程度，表示目标参数的差分特征序列内第个元素，表示第个目标参数对中非目标参数的差分特征序列内第个元素，表示目标排放因子的差分因子序列内第个元素；同理，依次计算得到每个历史生命周期各生命阶段内所有工艺参数相对于每个排放因子的交互显著程度； 特征显著程度的计算公式如下： 式中，表示目标参数相对于目标排放因子的特征显著程度，表示采集的历史生命周期的个数，表示第个历史生命周期中目标参数相对于目标排放因子的孤立显著程度，表示第个历史生命周期中目标参数相对于目标排放因子的交互显著程度；同理，依次计算得到所有工艺参数相对于每个排放因子的特征显著程度； 损失函数为自定义的样本加权损失函数，基于排放因子预测模型，得到输入样本数据所在时段的下一时段排放因子的预测值，将相应排放因子的因子序列中对应下一时段的元素值作为实际测量值，对样本的相对重要程度进行归一化得到对应的归一化相对重要程度，将预测值与实际测量值之间差值的绝对值与相应归一化相对重要程度之间的乘积作为样本的损失值，基于相应排放因子对应的样本数量，将样本损失值的累加结果作为损失函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人宁波凯星通科技股份有限公司，其通讯地址为：315000 浙江省宁波市鄞州区浙江创新中心3号楼309；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。