【技術實現步驟摘要】
本專利技術涉及碳排放分析，尤其涉及一種居住用地碳排放分析方法及裝置、存儲介質。
技術介紹
1、城市作為人類經濟活動和資源能耗的集中地，是引起全球變暖并引發氣候變化的主要區域，有人預測，城市碳排放在2030年將達到全球的73%，城市區域排放的二氧化碳占世界總量比例也將超過80%，成為碳排放的主要來源。居住用地是城市碳排放的基本單元，其主要由無數的家庭構成，相關研究表明，城市碳排放中30%～40%來源于家庭碳排放，因此居住用地碳排放在城市總碳排放量中占有重要地位。低碳居住區是建設低碳城市的重要空間載體和基本單元，對居住用地碳排放進行分析，對于建設低碳城市具有重要意義。
2、現有技術對居住用地的碳排放分析主要是針對已建成的居住用地，并根據居住用地的水電燃氣等能源消耗量來分析其碳排放，在無法獲取上述數據或者居住用地處于規劃狀態時，則難以實現對居住用地的碳排放分析。因此，如何不依賴居住用地的能源消耗數據對居住用地進行碳排放分析，并且能夠對規劃中的居住用地進行碳排放分析，成為需要解決的技術問題。
技術實現思路
1、本專利技術提供了一種居住用地碳排放分析方法及裝置、存儲介質，用于不依賴居住用地的能源消耗數據對居住用地進行碳排放分析，并且能夠對規劃中的居住用地進行碳排放分析。
2、為了解決上述技術問題，本專利技術第一方面公開了一種居住用地碳排放分析方法，所述方法包括：
3、獲取待分析居住用地的用地特征指標數據，所述用地特征指標數據包括小區用地面積、總建筑面積、容
4、輸入所述用地特征指標數據至預先確定好的碳排放預測模型中，獲得所述碳排放預測模型輸出的預測結果，所述預測結果用于表示所述待分析居住用地的碳排放預測量；
5、其中，所述碳排放預測模型是使用多組訓練數據集得到的，每一組訓練數據集包括用地特征指標訓練數據和該特征指標數據對應的碳排放量，該碳排放預測模型用于根據用地特征指標數據確定對應的碳排放量；
6、其中，所述碳排放預測模型的碳排放預測函數表達式為：
7、
8、其中：為第t次迭代的碳排放量預測值；為碳排放量的特征變量；為關于的預測函數。
9、作為一種可選的實施方式，在本專利技術第一方面中，在所述輸入所述用地特征指標至預先訓練好的碳排放預測模型中之前，所述方法還包括：
10、根據如下公式對所述用地特征指標數據進行歸一化處理：
11、
12、其中，x為歸一化之后的數據；x為歸一化前數據；為數據最小值；為數據最大值。
13、作為一種可選的實施方式，在本專利技術第一方面中，所述方法還包括：
14、對于所述用地特征指標數據中的每一個所述用地特征指標，根據如下公式計算該用地特征指標對應的影響程度參數：
15、
16、其中，x為所述用地特征指標，為所述用地特征指標x對應的影響程度參數，所述影響程度參數用于衡量對應的用地特征指標對所述待分析居住用地的碳排放量的影響程度，s為所有用地特征指標的集合，f為所述預測函數，t為集合s中的特征指標子集合，n為所有用地特征指標的數量，為除t之外的用地特征指標。
17、作為一種可選的實施方式，在本專利技術第一方面中，所述方法還包括：
18、判斷所述待分析居住用地的碳排放預測量是否大于預設的碳排放標準值，若判斷出所述碳排放預測量大于所述碳排放標準值，則計算所述碳排放預測量與所述碳排放標準值之間的碳排放差值；
19、根據所述碳排放差值和每個所述用地特征指標對應的影響程度參數，確定所述待分析居住用地的規劃修改方案，所述規劃修改方案包括每個所述用地特征指標的數據調整量。
20、作為一種可選的實施方式，在本專利技術第一方面中，所述方法還包括：
21、獲取任意兩個用地特征指標之間的交互影響參數，所述交互影響參數的正負號表示兩個用地特征指標之間是正向影響或負向影響，所述交互影響參數的大小表示兩個用地特征指標之間互相影響的程度；
22、以及，所述根據所述碳排放差值和每個所述用地特征指標對應的影響程度參數，確定所述待分析居住用地的規劃修改方案，包括：
23、根據所述碳排放差值和每個所述用地特征指標對應的影響程度參數，確定每個所述用地特征指標的初始數據調整量；
24、根據所有所述用地特征指標的初始數據調整量和任意兩個用地特征指標之間的交互影響參數，修正每個所述用地特征指標的初始數據調整量，得到每個所述用地特征指標的數據調整量，從而確定出所述待分析居住用地的規劃修改方案。
25、作為一種可選的實施方式，在本專利技術第一方面中，在所述輸入所述用地特征指標數據至預先訓練好的碳排放預測模型中之前，所述方法還包括：
26、獲取所述待分析居住用地的位置信息和氣候信息，根據所述位置信息和氣候信息，確定所述待分析居住用地對應的模型參數；其中，所述位置信息包括經緯度信息和海拔信息，所述氣候信息包括溫度信息、濕度信息、氣壓信息、光照信息、風向信息、風速信息中的一種或多種；
27、基于所述模型參數，確定出碳排放預測模型。
28、作為一種可選的實施方式，在本專利技術第一方面中，所述根據所述位置信息和氣候信息，確定所述待分析居住用地對應的模型參數，包括：
29、分析所述氣候信息在一年內的周期性變化情況，并確定所述氣候信息對應的氣候變化周期；
30、根據所述位置信息和每一所述氣候變化周期內的周期氣候信息，確定每一所述氣候變化周期對應的周期模型參數；
31、以及，所述基于所述模型參數，確定出碳排放預測模型，包括：
32、對于每一所述氣候變化周期，根據該氣候變化周期對應的周期模型參數，確定該氣候變化周期對應的碳排放周期預測模型；
33、以及，所述輸入所述用地特征指標數據至預先確定好的碳排放預測模型中，獲得所述碳排放預測模型輸出的預測結果，包括：
34、輸入所述用地特征指標數據至每個所述碳排放周期預測模型中，獲得每個所述碳排放周期預測模型輸出的周期預測結果；
35、根據所有所述周期預測結果和每個所述周期預測結果對應的氣候變化周期的時間長度，確定出預測結果。
36、本專利技術第二方面公開了一種居住用地碳排放分析裝置，所述裝置包括：
37、指標獲取模塊，用于獲取待分析居住用地的用地特征指標數據，所述用地特征指標數據包括小區用地面積、總建筑面積、容積率、綠地率、建筑密度、常住人口密度、工作崗位密度、用地混合度、道路網密度、交叉口密度、公交線網密度、公共服務設施的數量和戶均車位配比中的一種或多種；
38、碳排放分析模塊，用于輸入所述用地特征指標數據至預先確定好的碳排放預測模型中，獲得所述碳排放預測模型輸出的本文檔來自技高網...
【技術保護點】
1.一種居住用地碳排放分析方法，其特征在于，所述方法包括：
2.根據權利要求1所述的居住用地碳排放分析方法，其特征在于，在所述輸入所述用地特征指標至預先訓練好的碳排放預測模型中之前，所述方法還包括：
3.根據權利要求1所述的居住用地碳排放分析方法，其特征在于，所述方法還包括：
4.根據權利要求3所述的居住用地碳排放分析方法，其特征在于，所述方法還包括：
5.根據權利要求4所述的居住用地碳排放分析方法，其特征在于，所述方法還包括：
6.根據權利要求1所述的居住用地碳排放分析方法，其特征在于，在所述輸入所述用地特征指標數據至預先訓練好的碳排放預測模型中之前，所述方法還包括：
7.根據權利要求6所述的居住用地碳排放分析方法，其特征在于，所述根據所述位置信息和氣候信息，確定所述待分析居住用地對應的模型參數，包括：
8.一種居住用地碳排放分析裝置，其特征在于，所述裝置包括：
9.一種居住用地碳排放分析系統，其特征在于，所述系統包括：存儲有可執行程序代碼的存儲器；與所述存儲器耦合的處理器；所述處理
10.一種計算機存儲介質，其特征在于，所述計算機存儲介質存儲有計算機指令，所述計算機指令被調用時，用于執行如權利要求1-7任一項所述的居住用地碳排放分析方法。
...【技術特征摘要】
1.一種居住用地碳排放分析方法，其特征在于，所述方法包括：
2.根據權利要求1所述的居住用地碳排放分析方法，其特征在于，在所述輸入所述用地特征指標至預先訓練好的碳排放預測模型中之前，所述方法還包括：
3.根據權利要求1所述的居住用地碳排放分析方法，其特征在于，所述方法還包括：
4.根據權利要求3所述的居住用地碳排放分析方法，其特征在于，所述方法還包括：
5.根據權利要求4所述的居住用地碳排放分析方法，其特征在于，所述方法還包括：
6.根據權利要求1所述的居住用地碳排放分析方法，其特征在于，在所述輸入所述用地特征指標數據至預先訓練好的碳排放預測模型中之前，所述方法還包括...
【專利技術屬性】
技術研發人員：熊偉，徐從廣，張思敏，計建華，施海亮，吳時超，肖鐵橋，
申請(專利權)人：中國科學院合肥物質科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。