(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 202111381033.1 (22)申请日 2021.11.20 (71)申请人 江苏龙腾工程设计股份有限公司 地址 211113 江苏省南京市江宁区禄口街 道神舟路37号创智产业园 (72)发明人 徐正宏　刘清泉　潘龙　徐涵　 王骁睿　屈俊峰　王志刚　陆亚珍　 (74)专利代理 机构 南京九致知识产权代理事务 所(普通合伙) 32307 专利代理师 杨橘 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06F 16/26(2019.01) G06F 16/28(2019.01)G06Q 50/26(2012.01) (54)发明名称 一种基于大数据预测的碳排放强度分级评 价方法和可视化系统 (57)摘要 本发明提供一种基于大数据预测的碳排放 强度分级评价方法及可视化系统， 涉及大数据预 测技术领域， 基于各省份各行业的历史碳排放量 和GDP数据预测未来各个年份的各省份各行业的 碳排放量和GDP数据， 并由此计算未来各省份各 行业的碳排放强度和未来各省份、 各行业和全国 的碳排放量和GDP数据， 进而确定各年份各省份 的碳排放强度和全国总碳排放量和总GDP数据得 到相应的碳排放强度； 最终， 对各年份的各省份 和各行业的碳排放强度、 对各年份的某行业各省 份的碳排放强度和对各年份的某省份各行业的 碳排放强度进行可视化评价； 本方法及可视化系 统为各个省份各个行业的碳排放强度优化提供 决策基础。 权利要求书3页 说明书12页 附图7页 CN 114548475 A 2022.05.27 CN 114548475 A 1.一种基于大 数据预测的碳 排放强度分级评价方法， 其特 征在于， 包括： 基于各省份各行业的历史碳排放量和GDP数据 预测未来若干年份的各省份各行业的碳 排放量和GDP数据； 根据预测的未来若干年份的各省份各行业的碳排放量和GDP数据计算未来若干年份各 省份各行业的碳排放 强度， 并根据未来若干年份各省份各行业的碳排放 强度计算未来若干 年份全国的总碳 排放量、 总GDP和总碳排放强度； 根据预测的未来若干年份的同一省份各行业的碳排放量和GDP数据计算未来各年份各 省份的碳排放量和GDP数据， 并根据未来各年份各省份的碳排放量和GDP数据计算未来各省 份的碳排放强度； 根据预测的未来若干年份的各省份同一行业的碳排放量和GDP数据计算未来各年份各 行业的碳排放量和GDP数据， 并根据未来各年份各行业的碳排放量和GDP数据计算未来各行 业的碳排放强度； 以总碳排放强度为标准， 对未来各年份的各省份和各行业的碳排放强度进行可视化评 价； 以未来各年份中特定行业的碳排放强度为标准， 对各年份各省份特定行业的碳排放强 度进行可视化评价； 以未来各年份中特定省份的碳排放强度为标准， 对各年份各行业特定 省份的碳 排放强度进行 可视化评价。 2.根据权利要求1所述的基于大数据 预测的碳排放强度分级评价方法， 其特征在于， 所 述基于各省份各行业的历史碳排放量和GDP数据预测未来若干年份的各省份各行业的碳排 放量和GDP数据的具体过程 为： 分别对自回归移动平均模型和曲线模型进行优化， 获得优化后各模型的标准差； 比较优化后各模型 标准差的大小， 选择 标准差最小的模型为预测模型； 输入各省份各行业的历史碳排放量和GDP数据至预测模型， 获得未来若干年份的各省 份各行业的碳 排放量和GDP数据。 3.根据权利要求2所述的基于大数据 预测的碳排放强度分级评价方法， 其特征在于， 所 述对自回归移动平均模 型进行优化的过程为利用Python语 言通过网格搜索法进 行优化， 具 体包括： 对历史碳排放量和GDP数据进行平稳性检验， 判断历史碳排放量和GDP数据是否为非平 稳时间序列； 若为非平稳时间序列， 则需要对该非平稳序列进行差分， 以获得平稳时间序 列； 其中， 差分次数不超过2次； 设置自回归移动平均模型的阶数的网格范围和间隔， 用Python语言表示为二重for循 环， 逐个对二重for循环中的取值进行拟合； 首先， 对二重for循环中位于首位的取值的自回归移动平均模型， 使用矩估计法估计自 回归移动平均模型中的未知参数的值； 随后， 检验估计的每一个未知参数是否显著非零， 删除不显著非零参数， 以精简自回归 移动平均模型的结构， 获得精简模型； 其次， 利用得到的精简模型进行拟合， 获得残差序列； 然后， 根据白噪声检验法检验残差序列是否为白噪声序列； 若残差序列为白噪声序列， 表明进行拟合的精简模型有效、 通过检验； 否则对二重for循环中下一取值的自回归移动平 均模型进行的拟合， 直至二重for循环中所有取值的自回归移动平均模型均被 检验；权　利　要　求　书 1/3 页 2 CN 114548475 A 2最后， 选择通过白噪声检验法检验的所有精简模型中标准差最小的模型为优化后的自 回归移动平均模型。 4.根据权利要求2所述的基于大数据 预测的碳排放强度分级评价方法， 其特征在于， 所 述曲线模型包括 三种， 分别为 修正指数曲线模型、 Comper tz曲线模型和L ogistic曲线模型； 对各曲线模型进行优化的过程包括： 检验历史碳 排放量和GDP数据是否适用于各模型； 若历史碳排放量和GDP数据不符合上述三种曲线模型的任一检验结果， 则该历史碳排 放量和GDP数据不适用曲线模型， 仅采用自回归移动平均模型拟合； 若历史碳排放量和GDP 数据至少适用于上述三种曲线模型中的一种， 则采用三和法计算观察值的各部分之和； 然 后依据其分别适用的曲线模型， 根据三和法的计算结果计算相应模型 的参数估计值， 得到 相应的数 学模型， 并利用模型进行拟合； 根据历史碳排放量和GDP数据适用的三种曲线模型的数量， 选择标准差最小的曲线模 型为优化后曲线模型； 当历史数据仅适用一种曲线模型时， 直接选择该曲线模型对应的数 学模型为优化后曲线模型。 5.根据权利要求1所述的基于大数据 预测的碳排放强度分级评价方法， 其特征在于， 所 述以总碳 排放强度为标准， 对未来各年份的各省份的碳 排放强度进行 可视化评价包括： 定义总碳 排放强度为E， 未来各年份的各省份的碳 排放强度为Ei， 则： 令 若Ni>2， 该省份需要高度重视； 若2≥Ni>1， 该省份需要中度重视； 若Ni≤1， 该省份的碳 排放强度低于国家整体碳 排放强度。 6.根据权利要求1所述的基于大数据 预测的碳排放强度分级评价方法， 其特征在于， 所 述以总碳 排放强度为标准， 对未来各年份的各 行业的碳 排放强度进行 可视化评价包括： 定义总碳 排放强度为E， 未来各年份的各省份的碳 排放强度为Ej， 则： 令 若Nj>2， 该行业需要高度重视； 若2≥Nj>1， 该行业需要中度重视； 若Nj≤1， 该行业的碳 排放强度低于国家整体碳 排放强度。 7.根据权利要求1所述的基于大数据 预测的碳排放强度分级评价方法， 其特征在于， 所 述以未来各年份中特定行业的碳排放 强度为标准， 对各年份各省份特定行业的碳排放强度 进行可视化评价包括： 定义总碳排放强度为E， 未来各年份中特定行业的碳排放强度为Ej， 各年份各省份特定 行业的碳 排放强度Eij， 则： 当Ej>E时， 若Eij>Ej， 该省份该特定行业需要高度重视； 若Ej>Eij>E， 该省份该特定行业需 要中度重 视； 若Eij<E， 则该省份该 特定行业的碳 排放强度低于国家整体碳 排放强度； 当Ej≤E时， 令 若Nij>2， 该省份该特定行业需要高度重视； 若2≥Nij>1， 该省份 该特定行业需要中度 重视； 若Nj≤1， 该省份该特定行业的碳排放强度低于国家整体碳排放 强度。 8.根据权利要求7所述的基于大数据 预测的碳排放强度分级评价方法， 其特征在于， 所 述以未来各年份中特定省份的碳排放 强度为标准， 对各年份各行业特定省份的碳排放强度权　利　要　求　书 2/3 页 3 CN 114548475 A 3