(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210942976.5 (22)申请日 2022.08.08 (71)申请人 北京同信碳和科技有限责任公司 地址 102300 北京市门头沟区三家店东 街 51号一层0198 (72)发明人 姜玉国　戈泽琦　李佳璐　李文秀　 李佳纯　李敏　 (74)专利代理 机构 济南凳凳知识产权代理有限 公司 37386 专利代理师 侯震东 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/04(2012.01) G06Q 50/26(2012.01) G06N 7/00(2006.01) (54)发明名称 一种纺织行业 碳排放量预测方法 (57)摘要 本发明实施例提供一种纺织行业碳排放量 预测方法， 所述方法包括： 明确相关因素序列； 计 算相关因素序列的灰色关联度； 建立灰色GM(1， N)预测模型； 建立马尔科夫修正模型。 上述技术 方案具有如下效益： 目前鲜有关于纺织行业碳排 放预测的研究， 本发明基于灰色马尔科模型的纺 织行业碳排放量预测方法， 提出了以能源消耗量 为关联因素的纺织行业碳排放量预测理论与方 法， 总结出不同能源消耗量对纺织行业碳排放量 的影响程度， 可以为纺织行业提供一种碳排放预 测模型， 为纺织企业预测行业碳排放水平、 确定 减排目标提供帮助。 权利要求书2页 说明书6页 附图2页 CN 115204517 A 2022.10.18 CN 115204517 A 1.一种纺织行业 碳排放量预测方法， 其特 征在于包括如下步骤 明确相关因素序列， 分析 纺织行业 碳排放的能源消耗构成； 计算相关因素序列的灰色 关联度， 为各种能源 对碳排放量的关联程度做出排序； 建立灰色 GM(1， N)预测模型， 确定参与预测的相关因素构成； 建立马尔科 夫修正模型， 得到根据状态区间修 正的纺织行业 碳排放量； 模型预测精度检验， 检验 模型预测精度是否 达到需求。 2.如权利要求1所述的一种纺织行业碳排放量预测方法， 其特征是确定纺织行业碳排 放量的能源消耗影响因素， 即确定原煤、 精煤、 其他洗精煤、 煤球、 焦炭、 焦煤炉气、 其他气 体、 其他焦化产品、 原油、 汽油、 煤油、 柴油、 燃料油、 液化石油 气、 炼厂气、 其他石化产品、 天 然气、 热力、 电力、 其他能源的消 耗量对纺织行业碳排放量的影响， 初步确定模型的相关因 素序列的主体。 3.如权利要求1所述的一种纺织行业碳排放量预测方法， 其特征是确定不同能源消耗 对纺织行业碳排放量的影响程度， 包括确定学习期、 数据的筛选处理和灰色关联分析， 实现 对模型相关因素序列的优化。 4.如权利 要求1所述的一种纺织行业碳排放量预测方法， 其特征是建立灰色GM(1， N)模 型， 包括依序代入相关因素序列和确定最小误差时的相关因素序列， 最终确定模型 的相关 因素序列的主体。 5.如权利要求1所述的一种纺织行业碳排放量预测方法， 其特征是建立马尔科夫修正 模型， 包括确定状态区间、 确定转移 概率和修正预测结果， 实现对纺织行业碳排放量的预测 修正。 6.如权利要求1所述的一种纺织行业碳排放量预测方法， 其特征是对模型预测精度进 行检验， 包括平均相对误差、 小误差概 率和后验差比值检验， 实现对 模型预测效果的评价。 7.如权利要求2所述的确定纺织行业碳排放量的能源消耗影响因素， 其特征是通过对 历年数据的分析， 确定纺织行业所消耗的能源类型、 数据收集的可行性， 然后对能源类型进 行归类整理， 最后初步确定纺织行业 碳排放量的相关因素序列的主体。 8.如权利要求3所述的数据的筛选处理， 其特征是删除空白数据的因素序列、 删除零碎 数据的因素序列， 筛选出有可靠数据支撑的相关因素序列， 得到数据筛选后的纺织行业碳 排放量的相关因素序列。 9.如权利要求3所述的灰色关联分析， 其特征是计算灰色关联度， 并对灰色关联度进行 排序， 计算灰色关联度包括将系统序列和相关因素序列无量纲 化处理、 确定 分辨系数、 邓氏 关联度计算 ， 其邓氏 关联度可以表示为 ： 其中 ， ρ 为分辨系数， 通常取为0.5 。 10.如权利要求4所述的依序代入相关因素序列， 其特征是依据灰色关联分析结果的排 序， 由少到多依序将相关因素序列带入灰色GM(1， N)模 型， 依序代入相关因素序列要求按照 灰色关联度排序依次增加相关因素序列， 则灰色GM(1， N)模型的微分方程为： 其中， a为系统的发展系数， bi为系统的驱动系数， k为数权　利　要　求　书 1/2 页 2 CN 115204517 A 2据序列的时间长度； 其中， 为相关因素序列 在k时点的原值， 为相关因素序列的一次累加序列。 11.如权利要求4所述的确定最小误差时的相关因素序列， 其特征是建立灰色GM(1， N)预 测模型， 确定最小误差时的相关因素序列要求误差的衡量的标准要一致， 则灰色GM(1， N)模型 的微分方程时间响应 序列为： 根据时间响应序列递减得到预测序列为： 12.如权利要求5所述的确定状态区间， 其特征是均匀地划分历史数据的状态区间， 包 括计算各点误差、 确定误差范围、 划 分状态区间， 则误差公式为： 其中， 分 别为各时间点的纺织行业碳排放量预测值和实际值， q为预测的时间长度； H个状态区间为： Eh＝[E1h， E2h]， 其中h＝1,2， H， 其中H应该不小于距离预测点最近的时间点与预测点之间的 差。 13.如权利要求5所述的确定转移概率， 其特征是以最大转移概率作为预测期状态区 间， 包括计算逐步转移矩阵、 确定转移步数、 计算转移概率， 则转移概率公式为： pjj′(h)＝ αjj′(h)/βj， 其中， αjj′(h)为由状态区间Ej经过h步转移到达状态区间Ej′的次数， βj为由状态 区间Ej出发经过h步转移的总次数记为， j， j ′＝1,2,3…H。 14.如权利要求5所述的修正预测结果， 其特征是根据预测期所处 的状态区间误差修正 预测值， 要求选用所处状态区间误差中值进行修正， 则修正公式为： 其中， 为修正前预测值， e*为预测时间点所处的状态区间误差 。权　利　要　求　书 2/2 页 3 CN 115204517 A 3