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！

龙图腾网获悉合肥工业大学申请的专利碳排放时序数据预测方法、设备及存储介质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：CN120893639B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511419619.0，技术领域涉及：G06Q10/04；该发明授权碳排放时序数据预测方法、设备及存储介质是由陈波;李尧;储昭碧设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本碳排放时序数据预测方法、设备及存储介质在说明书摘要公布了：本发明的一种碳排放时序数据预测方法、设备及介质，包括根据历年按燃料类型和水泥生产划分的能源消耗计算出历年二氧化碳排放数据序列，并对获取到的碳排放数据序列进行标准化处理得到碳排放样本序列；同时采用年度循环划分方法，对样本序列进行训练集与验证集的动态划分；搭建以二维特征矩阵为输入的多尺度时间卷积网络模型，并引入注意力机制、设计混合损失函数以增强模型关注数据突变与整体趋势拟合的能力；构建梦境优化算法下的超参数寻优函数，得到经DOA寻优函数获得的超参数组合后，重新构建Multi‑ScaleTCN模型，进行数据的训练、验证以及碳排放数据预测。本发明在少量碳排放数据的情况下，经过优化后模型的训练，可获得较高的预测准确率。

本发明授权碳排放时序数据预测方法、设备及存储介质在权利要求书中公布了：1.一种碳排放时序数据预测方法，其特征在于，包括以下步骤： S100、将获取到的每年的碳排放样本序列数据长度进行对齐操作，使用标准差标准化处理对齐后的数据，并计算对齐后数据的周平均值； S200、对步骤S100处理后的对齐后的数据以及周平均值分别进行训练集与验证集的划分，并采用年度循环划分方式，设计滑动窗口大小，以作为后续构建的预测模型的输入； S300、搭建二维特征输入的多尺度时间卷积网络Multi-ScaleTCN模型，用于对数据样本进行训练与预测； S400、构建梦境优化算法超参数寻优函数，选取步骤S300中搭建的模型中对预测效果有影响的5个超参数，对其进行寻优，当满足优化要求后，确定模型的最优超参数，使用最优超参数重建模型，从而得到最终模型结构； S500、将已获取的依次经步骤S100和S200处理后的碳排放时序样本序列数据输入到步骤S400的最终模型结构中，完成碳排放数据的预测，并在新一年的实际数据计算得出后循环加入训练集与验证集，实现动态训练与预测； 所述步骤S300，具体包括， S301：采用多尺度时间卷积网络Multi-ScaleTCN与注意力机制构建预测模型，使用经过处理后一年中的碳排放样本序列以及其周均值特征，构建二维输入序列矩阵，公式为 1 其中，，为特征通道数，两个特征通道输入的数据分别为；，为输入时间步长；其中：为标准化后的碳排放样本序列，为每年碳排放数据的周平均值； 对于后续需要进行优化的模型超参数，选取以下超参数组成集合，公式为 2 其中，为卷积通道数，控制TCN网络的容量；为Dropout随机失活率；为模型训练中选用优化器的可调学习率；为混合损失函数中Huber与MSE的权重系数；为不同大小的卷积核组合； S302：模型将二维输入序列矩阵送入多尺度卷积模块以提取多时间尺度的特征信息，生成多尺度的时间依赖特征，二维输入序列矩阵将作为第0层特征，在第层TCN中，第个卷积核的输出公式为 3 其中，为时间步；为激活函数，用于增强非线性表达与正则化；为通道数，当时，；为第个卷积核的大小；为第层第个卷积核在通道上、偏移量为处的权重参数；为第层第通道在时间步的特征值，为膨胀系数，定义为，用于扩展卷积感受野；为第层第个卷积核的偏置项； 之后再对多个卷积核的结果取平均后，加上残差进行融合，公式为 4 其中，为第层卷积块的最终输出，为多尺度卷积核的数量，为残差连接，将输入映射到当前层维度并与卷积结果相加，经过层堆叠后，最终得到特征矩阵，为最后一层TCN输出的特征矩阵，为卷积通道数，利用多个不同卷积核大小提取不同的依赖特征，结合膨胀卷积进一步扩大感受野； S303：得到特征矩阵的同时，为让模型可以自动关注数据中的重要时间点特征，将卷积输出进行转置，公式分别为 5 其中，分别为查询、键和值矩阵，用于进行注意力计算；为的转置，维度从变为；，为注意力机制的可训练权重矩阵，； 注意力权重公式为 6 其中，为注意力分布矩阵，维度为；为缩放因子，可以防止点积值过大； 对矩阵实现加权输出为 7 最后对时间维度做平均池化，得到经过注意力卷积输出加权聚合后的时间序列特征向量，其聚合了时间序列的全局特征，公式为 8 S304：经过模型各个操作步骤，将时间序列特征向量输入全连接层，映射到天的预测输出，在输出层输出预测碳排放数据，公式为 9 其中，为使用标准化数据预测出的第年第个时间步的标准化碳排放数据，单位为千克碳每天，为输出层的权重矩阵；为输出层的偏置项。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；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。