一种基于集成学习的实时检测碳排放量的检测方法及系统与流程

本发明涉及智能检测，特别是一种基于集成学习的实时检测碳排放量的检测方法及系统。

背景技术：

1、人类活动排放的二氧化碳等温室气体导致全球变暖，加剧气候系统的不稳定性，导致一些地区干旱、台风、高温热浪、寒潮、沙尘暴等极端天气频繁发生，是引起气候变化的主要因素。碳监测是指一种通过综合观测、数值模拟、统计分析等手段进行碳计量的技术，有助于政府和企业掌握碳排放情况进而制定更加科学合理的碳排气管控措施。碳监测的技术难点主要在于对监测数据的准确性要求非常高，为保障监测准确，需要在仪器、点位布置、自动监测等方面加强标准化工作。碳排放的监测方法主要有物料核算法和现场检测法。物料核算法测量误差较大,而传统现场检测法主要通过cems对气态污染物和颗粒物进行浓度和排放总量的连续监测和实时传输，实时检测设备体积较大，不便于大面积开展。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述或现有技术中存在的问题，提出了本发明。

3、为解决上述技术问题，第一个方面本发明提供如下技术方案：一种基于集成学习的实时检测碳排放量的检测方法，其包括以下步骤：

4、步骤1、将设备置于标定间用于测量准确的碳排放量；

5、步骤2、将前端传感设备部署到排气管上，用于排放时排气管压力p、温度t和气流速度v的检测；

6、步骤3、获取不同工作状态下的碳排放量c，以及此时的压力p、温度t和气流速度v；

7、步骤4、基于集成学习算法建立用于碳排放量检测的随机森林模型，将采集到的压力p、温度t、气流速度v以及该时刻的碳排放量c作为数据集，使用随机森林法训练检测模型，训练模型构建压力p、温度t和气流速度v及碳排放量c间的关系；

8、步骤5、使用训练集和测试集来评估模型的性能，采用指标均方根误差和拟合优度评估模型准确性；模型训练完成并通过评估，将其用于后端处理器实时计算不同时刻温度t、压力p和流速v下的碳排放量c；

9、步骤6、在被测设备的排气管上部署数据采集模块，并将所采集到的数据实时传输至后端处理服务器；

10、步骤7、后端处理器接收到数据后通过训练后的随机森林检测模型进行计算，能够得到该时刻被测设备的碳排放量c。

11、作为本发明所述基于集成学习的实时检测碳排放量的检测方法的一种优选方案，其中：所述步骤2中数据采集模块包括，前端传感设备、前端控制器，以及数据传输模块；前端传感设备由四组热电偶式排气温度传感器、扩散硅压力传感器以及超声波气体流速仪组成，部署在排气管上，用于检测排气管的温度t、压力p以及气流速度v，通过前端控制器将采集到的四组温度t、压力p与气流速度v数据进行平均化处理，并能够将相应数据传输至后端处理器内。

12、作为本发明所述基于集成学习的实时检测碳排放量的检测方法的一种优选方案，其中：所述步骤4通过标定间中准确的测量，得到不同温度t、压力p、气流速度v下的准确的碳排放量c；将采集到的压力p、温度t、气流速度v以及该时刻的碳排放量c作为数据集,训练随机森林模型学习如何根据温度、压力和流速来预测碳排放量；对数据集进行预处理，检测并处理数据集中的缺失值、重复值和异常值，对原始特征进行转换，改善特征的分布与尺度，使其更适合模型的使用；将数据集划分为训练集、验证集和测试集；使用随机森林法训练检测模型，将温度、压力和流速作为特征x，将碳排放量作为目标变量y；

13、采用m轮的bootstrap自助采样，将每轮采样得到的样本作为一个子集，m轮后得到的m个训练样本作为训练集的训练子集，每轮采样对应训练一个基学习器，并且训练的时候是并行计算的，最后将这m个基学习器进行组合，构成随机森林，实现碳排放量预测。

14、作为本发明所述基于集成学习的实时检测碳排放量的检测方法的一种优选方案，其中：所述步骤5中使用训练集和测试集来评估模型的性能，将预测集中的特征x输入训练好的模型中，得到m个预测结果值，将预测结果值取算数平均值；采用拟合优度/可决系数和均方根误差评估模型准确性，公式如下：

15、

16、

17、其中，y表示真实值，y表示预测值，n为观测数量；r2表示预测值对真实值的拟合程度，该值越接近1，拟合程度越高，越接近0，拟合程度越低；rmse表示预测值与真实值之间的平均平方误差的平方根；模型训练完成并通过评估，将其用于后端处理器实时预测不同时刻温度t、压力p和流速v下的碳排放量c。

18、作为本发明所述基于集成学习的实时检测碳排放量的检测方法的一种优选方案，其中：所述数据采集模块将采集到的数据实时无线传输至后端处理器。

19、第二个方面提出一种作为本发明所述基于集成学习的实时检测碳排放量的检测系统，用于实现如上述所述的基于集成学习的实时检测碳排放量的检测方法，其中：包括：

20、数据采集模块：包括用于采集待测设备排气管四周的压力p、温度t和气流速度v的前端控制器、将数据做平均化处理的前端控制器，以及用于传输数据的数据传输模块；

21、后端处理器模块：用于接收数据传输模块传输的数据并做数据分析。

22、第三方面，一种电子设备，包括存储器以及处理器，所述存储器中存储有计算机程序指令，其特征在于，所述计算机程序指令被所述处理器读取并运行时，执行上述所述的方法的步骤。

23、第四方面，提出一种计算机可读存储介质，其中：所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器读取并运行时，上述所述的方法的步骤。

24、本发明的有益效果：

25、(1)本发明提供的检测系统的前端传感设备由热电偶式排气温度传感器、扩散硅压力传感器以及超声波气体流速仪组成，只需将传感设备部署在排气管壁上即可采集到温度、压力以及气体流速数据，操作简单，成本低，且设备体积小，检测方便，同时不会影响管内气体正常流动，保证了采集数据的准确性。

26、(2)检测系统的前端控制器采集前端传感设备测量到的数据并实时传输至后端处理器进行处理，计算得到此时的碳排放量，提高了碳排放量检测的效率，实现了对排放设备的碳排放量的实时监测。

27、(3)检测系统的后端处理器利用基于集成学习算法训练出体现排气管温度、压力、气流速度与碳排放量的关系的随机森林模型来计算碳排放量，能够有效提高碳排放量的检测精度，得到不同时刻的准确的碳排放量，确保碳监测的准确性。

技术特征：

1.一种基于集成学习的实时检测碳排放量的检测方法，其特征在于：具体包括以下步骤：

2.如权利要求1所述的基于集成学习的实时检测碳排放量的检测方法，其特征在于：所述步骤2中数据采集模块包括，前端传感设备、前端控制器，以及数据传输模块；前端传感设备由四组热电偶式排气温度传感器、扩散硅压力传感器以及超声波气体流速仪组成，部署在排气管上，用于检测排气管的温度t、压力p以及气流速度v，通过前端控制器将采集到的四组温度t、压力p与气流速度v数据进行平均化处理，并能够将相应数据传输至后端处理器内。

3.如权利要求1所述的基于集成学习的实时检测碳排放量的检测方法，其特征在于：所述步骤4通过标定间中准确的测量，得到不同温度t、压力p、气流速度v下的准确的碳排放量c；将采集到的压力p、温度t、气流速度v以及该时刻的碳排放量c作为数据集,训练随机森林模型学习如何根据温度、压力和流速来预测碳排放量；对数据集进行预处理，检测并处理数据集中的缺失值、重复值和异常值，对原始特征进行转换，改善特征的分布与尺度，使其更适合模型的使用；将数据集划分为训练集、验证集和测试集；使用随机森林法训练检测模型，将温度、压力和流速作为特征x，将碳排放量作为目标变量y；

4.如权利要求1所述的基于集成学习的实时检测碳排放量的检测方法，其特征在于：所述步骤5中使用训练集和测试集来评估模型的性能，将预测集中的特征x输入训练好的模型中，得到m个预测结果值，将预测结果值取算数平均值；采用拟合优度/可决系数和均方根误差评估模型准确性，公式如下：

5.如权利要求1所述的基于集成学习的实时检测碳排放量的检测方法，其特征在于：所述数据采集模块将采集到的数据实时无线传输至后端处理器。

6.一种如权利要求1～5任一所述的基于集成学习的实时检测碳排放量的检测方法的系统，其特征在于：包括：

7.一种电子设备，包括存储器以及处理器，所述存储器中存储有计算机程序指令，其特征在于，所述计算机程序指令被所述处理器读取并运行时，执行权利要求1～5中任一项所述的方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行权利要求1～5中任一项所述的方法的步骤。

技术总结
本发明公开了一种基于集成学习的实时检测碳排放量的检测方法及系统，具体的操作是先通过标定采集准确碳排放量并利用采集设备测量此时的温度、压力和流速值，再基于集成学习算法建立用于碳排放量检测的随机森林模型，将采集到的压力、温度、气流速度以及该时刻的碳排放量数据作为训练数据集用于训练该检测模型，再将数据采集模块部署到被测设备上，测量此时的温度、压力和流速，通过训练后的随机森林检测模型进行计算，能够得到该时刻被测设备的碳排放量。本发明的有益效果为能够有效提高碳排放量的检测精度，得到不同时刻的准确的碳排放量，确保碳监测的准确性。

技术研发人员：谢敏,黄卫,胡靖,罗桑,李宜澄
受保护的技术使用者：南京现代综合交通实验室
技术研发日：
技术公布日：2024/6/20