CN120278551A 基于动静态融合预测的基础设施碳排放评估方法及系统 （同济大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120278551A(43)申请公布日2025.07.08

(21)申请号202510386958.7

GO6N

3/0442(2023.01)

(22)申请日2025.03.31

GO6N

3/045(2023.01)

(71)申请人同济大学

GO6N

3/096(2023.01)

地址200092上海市杨浦区四平路1239号

(72)发明人木林隆李钰轩

(74)专利代理机构上海科盛知识产权代理有限公司31225

专利代理师宣慧兰

(51)Int.CI.

GO6Q10/0637(2023.01)

GO6Q10/04(2023.01)

GO6Q50/26(2024.01)

GO6F18/25(2023.01)

GO6N3/042(2023.01)

GO6N3/0464(2023.01)

权利要求

书3页

说明书11页附图2页

(54)发明名称

基于动静态融合预测的基础设施碳排放评估方法及系统

(57)摘要

CN120278551A本发明涉及一种基于动静态融合预测的基础设施碳排放评估方法及系统，方法包括：通过生命周期评价计算设计阶段和建造阶段的碳排放；获取基础设施全生命周期内的碳排放相关数据，包括静态数据和传感器采集的动态数据；针对碳排放相关数据中不同数据源的异构数据，通过注意力机制筛选起到关键影响的数据，基于传感器的可靠性、信息熵和历史准确性，计算传感器层面的融合权重，通过自适应权重分配实现多源异构数据的融合；利用Bi-GRU提取时序类型数据的特征，利用GCN提取空间关联类型数据的特征，得到融合后的特征；基于融合后的特征，利用

CN120278551A

动静态数据采集

动静态数据采集

数据分层处理

时空关联映射

动态权重自适应调整的多源数据异构融合

深度学习增强融合

动静态融合预测

反馈优化机制

优化建议生成及可视化展示

S1

S2

S3

S4

S5

S6

S7

S8

CN120278551A权利要求书1/3页

2

1.一种基于动静态融合预测的基础设施碳排放评估方法，其特征在于，包括如下步骤：

通过生命周期评价方法计算设计阶段和建造阶段的碳排放；

获取基础设施全生命周期内的碳排放相关数据，包括静态数据和传感器采集的动态数

据；

针对碳排放相关数据中不同数据源的异构数据，通过注意力机制筛选起到关键影响的数据，基于传感器的可靠性、信息熵和历史准确性，计算传感器层面的融合权重，通过自适应权重分配实现多源异构数据的融合；

利用双向门控循环单元提取时序类型数据的特征，利用图卷积网络提取空间关联类型数据的特征，得到融合后的特征；

基于融合后的特征，利用深度学习算法预测运维阶段的碳排放；

结合设计阶段、建造阶段和运维阶段的碳排放，实现基础设施碳排放评估。

2.根据权利要求1所述的一种基于动静态融合预测的基础设施碳排放评估方法，其特征在于，还包括：

计算预测的运维阶段的碳排放以及实际的运维阶段的碳排放，计算预测误差；

基于所述预测误差以及预设的多级阈值，根据预测误差偏离程度触发权重微调、模型参数更新或模型结构重评估；

响应于触发权重微调，采用下式更新融合权重：

W_new(i)=W(i)×(1±γ1×ε(t))

式中，W_new(i)、W(i)分别为第i个数据源更新后、更新前的融合权重，γ1为权重调整系数，低估情况下±为+,高估情况下±为-,ε(t)为预测误差；

响应于模型参数更新，采用下式更新双向门控循环单元和图卷积网络：

0_new=0_old-γ?×VL(θ)

式中，θ_new、0_old分别为更新后、更新前的参数，γ2为学习率，VL(θ)为损失函数的梯度。

3.根据权利要求2所述的一种基于动静态融合预测的基础设施碳排放评估方法，其特征在于，响应于收集到的新增数据量达到预设值，触发模型参数更新。

4.根据权利要求1所述的一种基于动静态融合预测的基础设施碳排放评估方法，其特征在于，还包括：

将碳排放相关数据划分为静态数据层、半动态数据层和实时动态数据层；

基于分层处理后的数据，建立不同时间尺度数据间的映射关系以及不同空间位置的连接关系，融合得到时空融合信息，基于时空融合信息实现设计阶段、建造阶段和运维阶段的