[发明专利]区域内碳排放的监测预警系统

权利要求书

1.区域内碳排放的监测预警系统，其特征在于，包括：数据采集模块、数据处理模块、趋势预测模块与预防报警模块；

所述数据采集模块用于实时采集确定碳排放量的原始数据；

所述数据处理模块用于对实时采集的所述原始数据进行处理与碳排放计算；

所述趋势预测模块用于根据处理后的所述原始数据与碳排放计算结果进行碳排放未来趋势预测；

所述预防报警模块用于根据碳排放趋势预测结果进行预防报警。

2.根据权利要求1所述的区域内碳排放的监测预警系统，其特征在于，确定碳排放量的原始数据包括：用水量、用电量、燃气用量与汽油用量。

3.根据权利要求1所述的区域内碳排放的监测预警系统，其特征在于，所述数据处理模块包括：清洗单元与核算单元；

所述清洗单元用于对所述原始数据进行清洗；

所述核算单元用于根据清洗后的所述原始数据进行碳排放核算。

4.根据权利要求3所述的区域内碳排放的监测预警系统，其特征在于，对所述原始数据进行清洗的方式包括：去除重复项和剔除异常值，使用线性插值的方法补充缺失值，以及将数据的时间分辨率统一处理。

5.根据权利要求3所述的区域内碳排放的监测预警系统，其特征在于，所述核算单元通过核算公式获得碳排放量；

所述核算公式为：

二氧化碳排放量＝用水量×0.91+用电量×0.785+燃气用量×0.19+汽油用量×2.7

其中二氧化碳排放量的单位为千克，用水量的单位为吨，用电量的单位为度，燃气用量的单位为立方米，汽油用量的单位为公升。

6.根据权利要求3所述的区域内碳排放的监测预警系统，其特征在于，所述趋势预测模块包括：模型构建单元、数据库与趋势预测单元；

所述模型构建单元用于构建LSTM神经网络；

所述数据库用于储存清洗后的所述原始数据；

所述趋势预测单元用于根据清洗后的所述原始数据对所述LSTM神经网络进行训练，基于训练后的所述LSTM神经网络进行碳排放趋势预测。

7.根据权利要求6所述的区域内碳排放的监测预警系统，其特征在于，所述LSTM神经网络包括：输入层、隐藏层与输出层；

所述输入层用于输入清洗后的所述原始数据，并按照时间顺序进行排序；

所述隐藏层用于迭代学习时间序列数据的短程和长程语义特征；

所述输出层用于输出预测结果；

所述LSTM神经网络还包括LSTM网络参数；

所述LSTM网络参数包括学习率、迭代次数与stepsize。

8.根据权利要求7所述的区域内碳排放的监测预警系统，其特征在于，所述趋势预测模型包括：用水量趋势预测模型、用电量趋势预测模型、燃气用量趋势预测模型、汽油用量趋势预测模型与碳排放趋势预测模型；

所述趋势预测模块用于进行未来趋势预测包括:进行短期趋势预测、进行中期趋势预测与进行长期趋势预测。

9.根据权利要求8所述的区域内碳排放的监测预警系统，其特征在于，所述预防报警模块包括：用水量报警模块、用电量报警模块、燃气用量报警模块、汽油用量报警模块与碳排放报警模块。

10.根据权利要求9所述的区域内碳排放的监测预警系统，其特征在于，每一类所述趋势预测模型进行未来趋势预测后，将预测结果实时传递给所述预防报警模块中对应的每一类报警模块，若预测结果与预设阈值存在偏差，则对应的报警模块进行报警；

所述用水量报警模块、用电量报警模块、燃气用量报警模块与汽油用量报警模块中任意一种报警模块进行报警后，所述碳排放报警模块也同时进行报警；进行报警的报警模块数量越多，所述碳排放报警模块进行报警的响应级数越高。