一种基于多元时间序列的企业碳排放量预测系统与方法与流程

1.本发明涉及企业组织碳排放技术领域，尤其涉及一种基于多元时间序列的企业碳排放量预测系统与方法。


背景技术：

2.现有预测模型对碳排放量的预测多依托于经济和工业方面的数据对碳排放进行评估预测，而且多针对的是地区性、全国甚至是全球范围内的，预测范围较大且预测精度较低，现有模型不能根据企业类型进行适应性的碳排放量预测，导致预测结果的准确性降低，无法及时对企业的碳排放做出合理规划和有效预警。对当前年度剩余时间企业碳排放量进行预测与基于排放配额量进行预警对企业碳履约还没有得到有效解决。


技术实现要素：

3.本发明提供一种基于多元时间序列的企业碳排放量预测系统与方法，以克服上述技术问题。
4.一种基于多元时间序列的企业碳排放量预测系统，包括数据采集模块、碳排放核算模块、碳排放履约预测模块以及碳排放履约预警模块，
5.数据采集模块用于根据企业类型获取企业在采集周期内的碳排放数据和企业其他数据，所述数据采集模块包括碳排放数据采集子模块和企业其他数据采集子模块，所述碳排放数据采集子模块用于获取企业的碳排放边界以及碳排放边界内的碳排放源，根据碳排放源的类型确定碳排放因子和采集规则，根据采集规则获取相应碳排放因子在采集周期内的排放数据，获取所有碳排放因子的排放数据，所述企业其他数据采集子模块用于获取企业在采集周期内的生产相关数据和外源指标性数据，所述生产相关数据包括企业生产产品的类型、订单生产量、订单排期，所述外源指标性数据包括采购经理人指数、区域经济指标数据，
6.碳排放核算模块用于根据核算周期内碳排放因子以及碳排放因子的排放数据计算企业的碳总排放量，
7.碳排放履约预测模块用于确定历史采集周期，将历史采集周期划分为不同的时间段，获取不同时间段内的排放数据、碳排放因子以及碳总排放量，根据不同时间段内的排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量构建基于多元时间序列的企业碳排放量预测模型，根据基于多元时间序列的企业碳排放量预测模型对预测周期内的温室气体总排放量进行预测，
8.碳排放履约预警模块用于确定比较周期，将比较周期划分为不同的时间段，根据碳排放履约预测模块分别获取企业在比较周期内不同时间段内的碳总排放量，根据比较周期内的碳总排放量与企业的碳配额进行比较，判断是否超出了碳配额，当超出了碳配额时，生成碳排放超额预警信息。
9.优选地，所述基于多元时间序列的企业碳排放量预测模型包括嵌入层、编码器、解
码器以及线性层，
10.所述嵌入层用于通过嵌入层函数将一段时间内排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量转换为特征向量序列，
11.所述编码器用于通过编码器函数将特征向量序列转换为编码器特征向量序列，
12.所述解码器用于通过解码器函数将编码器特征向量序列转换为预测周期内的解码器特征向量序列，
13.所述线性层用于通过线性层函数将未来时间段内的解码器特征向量序列转换为预测周期内的碳排放量预测序列。
14.优选地，所述碳排放核算模块还用于计算企业的总排放强度和单个工序的排放强度。
15.优选地，所述计算企业的总排放强度和单个工序的排放强度为根据公式(1)计算总排放强度和根据公式(2)计算单个工序的排放强度，
[0016][0017][0018]
其中，根据订单生产量确定产品产量。
[0019]
一种基于多元时间序列的企业碳排放量预测方法，包括，
[0020]
步骤一、根据企业类型获取企业的碳排放边界以及碳排放边界内的碳排放源，根据碳排放源的类型确定碳排放因子和采集规则，根据采集规则获取相应碳排放因子在一段时间内的排放数据，获取所有碳排放因子的排放数据，获取企业在一段时间内的生产相关数据和外源指标性数据，所述生产相关数据包括企业生产产品的类型、订单生产量、订单排期，所述外源指标性数据包括采购经理人指数、区域经济指标数据，
[0021]
步骤二、根据所有碳排放因子以及碳排放因子的排放数据计算企业在一段时间内的碳总排放量，
[0022]
步骤三、确定采集周期，将采集周期划分为不同的时间段，获取不同时间段内的排放数据、碳排放因子以及碳总排放量，根据不同时间段内的排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量构建基于多元时间序列的企业碳排放量预测模型，根据基于多元时间序列的企业碳排放量预测模型对未来时间段内的温室气体总排放量进行预测，
[0023]
步骤四、确定比较周期，将比较周期划分为不同的时间段，根据碳排放履约预测模块分别获取企业在比较周期内不同时间段内的碳总排放量，根据比较周期内的碳总排放量与企业的碳配额进行比较，判断是否超出了碳配额，当超出了碳配额时，生成碳排放超额预警信息。
[0024]
本发明提供一种基于多元时间序列的企业碳排放量预测系统与方法，可以直接进行企业维度的碳排放量预测，有效降低企业碳履约的成本以及降低相应的风险。预测模型支持自定义的数据输入，针对多元时间序列进行模型训练，提高碳排放量预测的准确性，预测时可以对预测周期内的未来多个时间点进行连续预测，使得预测周期长，时间跨度大，提高企业完成碳履约的水平。
附图说明
[0025]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0026]
图1是本发明系统结构示意图。
具体实施方式
[0027]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0028]
图1为本发明系统结构图，如图1所示，包括数据采集模块、碳排放核算模块、碳排放履约预测模块以及碳排放履约预警模块，
[0029]
数据采集模块用于根据企业类型获取企业在采集周期内的碳排放数据和企业其他数据，所述数据采集模块包括碳排放数据采集子模块和企业其他数据采集子模块，所述碳排放数据采集子模块用于获取企业的碳排放边界以及碳排放边界内的碳排放源，根据碳排放源的类型确定碳排放因子和采集规则，根据采集规则获取相应碳排放因子在采集周期内的排放数据，获取所有碳排放因子的排放数据，所述企业其他数据采集子模块用于获取企业在采集周期内的生产相关数据和外源指标性数据，所述生产相关数据包括企业生产产品的类型、订单生产量、订单排期，所述外源指标性数据包括采购经理人指数、区域经济指标数据，
[0030]
碳排放核算模块用于根据核算周期内碳排放因子以及碳排放因子的排放数据计算企业的碳总排放量，
[0031]
碳排放履约预测模块用于确定历史采集周期，将历史采集周期划分为不同的时间段，获取不同时间段内的排放数据、碳排放因子以及碳总排放量，根据不同时间段内的排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量构建基于多元时间序列的企业碳排放量预测模型，根据基于多元时间序列的企业碳排放量预测模型对预测周期内的温室气体总排放量进行预测，
[0032]
碳排放履约预警模块用于确定比较周期，将比较周期划分为不同的时间段，根据碳排放履约预测模块分别获取企业在比较周期内不同时间段内的碳总排放量，根据比较周期内的碳总排放量与企业的碳配额进行比较，判断是否超出了碳配额，当超出了碳配额时，生成碳排放超额预警信息。
[0033]
基于上述方案，通过采集一时间段内温室气体活动水平数据以及与活动水平数据相对应的排放因子，根据活动水平数据和排放因子核算该时间段内的温室气体总排放量；根据该时间段内的温室气体总排放量时序数据、企业其他生产相关的订单生产量和生产排期等数据、外源指标性的采购经理人指数(pmi)和区域经济指标等数据指标建立温室气体排放量预测模型，预测位于当前年度该时间段以后的温室气体排放量。本发明可以直接进行企业维度的碳排放量预测，可以有效降低企业碳履约的成本以及规避相应的风险。预测
模型支持自定义的数据输入，针对多元时间序列进行模型训练，提高碳排放量预测的准确性。
[0034]
数据采集模块用于根据企业类型获取企业在采集周期内的碳排放数据和企业其他数据，所述数据采集模块包括碳排放数据采集子模块和企业其他数据采集子模块，所述碳排放数据采集子模块用于获取企业的碳排放边界以及碳排放边界内的碳排放源，根据碳排放源的类型确定碳排放因子和采集规则，根据采集规则获取相应碳排放因子在采集周期内的排放数据，获取所有碳排放因子的排放数据，所述企业其他数据采集子模块用于获取企业在采集周期内的生产相关数据和外源指标性数据，所述生产相关数据包括企业生产产品的类型、订单生产量、订单排期，所述外源指标性数据包括采购经理人指数、区域经济指标数据，
[0035]
具体地，通过配置相应的数据采集模块规则获取预设时间段内每个先前时间点的参考量值，所述参考量值包括核算模块得到的各个工艺环节或碳排放源维度的先前各时间段的碳排放量情况、企业其他生产相关的订单生产量和生产排期等数据、外源指标性的采购经理人指数(pmi)和区域经济指标等数据。
[0036]
本实施例中的数据采集模块可与企业自身的生产管理系统连接，自动读取如原材料消耗量数据、辅材料消耗量数据、能源介质消耗量数据及相关产品、副产品产量等数据。也支持从统计报表中定期蹈入，包括有与温室气体排放相关的能源平衡统计报表、原材料统计报表、辅材料统计报表、电力平衡表等；每一类表中均统计有对应项的初始数据值、以及产品生产完成后剩余的库存值，计算初始值和库存值之间的差值，可得出每一类与温室气体排放相关物料的活动水平数据。
[0037]
统计报表数据提取:企业碳排放管理员可以自定义创建固定格式的统计报表模板，如固定格式的能源平衡统计报表、原材料统计表报和辅材料统计报表等，导入到碳排放数据监测模块。企业员工可定期导入与固定模板格式相同的企业温室气体排放相关的统计报表，系统可自动根据模板相应的位置的标记找出对应的数值，进而提取出与温室气体排放相关的活动水平数据。
[0038]
数据采集模块规则包括了以下几方面：
[0039]
1.采集的数据类型和来源：企业的碳排放量预测需要考虑多种数据，包括工艺环节或碳排放源维度的先前各时间段的碳排放量情况、企业其他生产相关的订单生产量和生产排期等数据、外源指标性的采购经理人指数(pmi)和区域经济指标等数据。企业可以根据自身情况确定需要采集的数据类型和来源，以满足预测的准确性和全面性要求。
[0040]
2.数据采集的频率和时间段：数据采集的频率和时间段应该根据数据的实时性和变化程度来确定。对于一些变化较慢的数据，可以采用较长时间段的采集频率，而对于一些变化较快的数据，则需要采用较短时间段的采集频率，以便及时获取最新的数据。同时，为了保证预测的准确性和全面性，数据采集的时间段也应该覆盖到预测所需的时间段内。
[0041]
3.数据采集的方式：数据采集的方式可以通过传感器、手动输入或其他自动化工具进行。对于不同类型的数据，采集方式也可能不同。例如，对于生产订单数据，可以通过企业管理系统或其他生产管理工具进行采集；对于pmi和区域经济指标等外部数据，则可以通过数据订阅服务或其他公开数据源进行采集。
[0042]
4.数据采集的质量控制：数据采集过程中需要进行质量控制，以确保采集到的数
据准确、完整和一致。这包括数据清洗、去重和格式化等处理，以及对异常值和缺失值的处理。在采集数据时，还需要进行数据验证和审核，确保数据的合法性和可靠性。
[0043]
采集到的多类型时间序列数据根据企业类型选择多种合适的时序数据，作为输入提取时间特征，提高碳排放量预测的准确度，比如pmi指数对于制造业相关企业就比较重要。将输入时序数据分为三类，分别是静态变量、过去已知输入和未来可推测的输入，其中静态变量包括地域变量和行业变量，这部分数据和时间无关；过去已知时间序列输入，属于动态时变变量，包括各排放源经核算的碳排放量、pmi指数、区域经济指标等变量；未来已知的时间序列输入，属于动态时不变变量，包括周末信息、节假日信息、确定的订单生产排期等变量。
[0044]
碳排放核算模块用于根据所有碳排放因子以及碳排放因子的排放数据计算企业在一段时间内的碳总排放量，所述碳排放核算模块还用于计算企业的总排放强度和单个工序的排放强度。
[0045]
所述计算企业的总排放强度和单个工序的排放强度为根据公式(1)计算总排放强度和根据公式(2)计算单个工序的排放强度，
[0046][0047][0048]
其中，根据订单生产量确定产品产量。
[0049]
本实施例中还对企业的减排潜力进行了分析:减排潜力＝实际工序排放强度/理论工序排放强度。
[0050]
由于相关生产企业的原材料和辅材料固定，所述工序排放强度的理论值就可以计算出来。通过实际测得的工序排放量值，除以这个工序排放强度理论值，就可以得出减排潜力值。
[0051]
碳排放履约预测模块用于确定历史采集周期，将历史采集周期划分为不同的时间段，获取不同时间段内的排放数据、碳排放因子以及碳总排放量，根据不同时间段内的排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量构建基于多元时间序列的企业碳排放量预测模型，所述基于多元时间序列的企业碳排放量预测模型包括嵌入层、编码器、解码器以及线性层，
[0052]
所述嵌入层用于通过嵌入层函数将一段时间内排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量转换为特征向量序列，
[0053]
所述编码器用于通过编码器函数将特征向量序列转换为编码器特征向量序列，
[0054]
所述解码器用于通过解码器函数将编码器特征向量序列转换为预测周期内的解码器特征向量序列，
[0055]
所述线性层用于通过线性层函数将未来时间段内的解码器特征向量序列转换为预测周期内的碳排放量预测序列。
[0056]
具体地，时序数据x
raw
[t]首先经过一个嵌入层计算出针对t时刻所有输入变量的同维度特征向量x[t]＝[x1[t]，x2[t]，...，xn[t]]，其中n为输入时序变量的数量，x
t
为m维向量。特征向量经编码器(encoder)、解码器(decoder)、线性层后得到对未来一段时间内的
碳排放量的序列预测。即使用上下文编码器的嵌入层分别将各个时间点的时序数据转化为特征向量以获得特征向量的序列。
[0057]
其中编码器和解码器采用了transformer模型，编码器和解码器由若干个子网络组成，每个子网络包含若干个多头注意力层以及一个前向层。每个多头注意力层由多个自注意力层组成，首尾残差连接用于防止网络退化，尾部有一个正则层，用于对每一层的激活值进行归一化。基于transformer模型的多元时间序列碳排放量预测方法，可以在输入端对训练数据中的不可靠数据进行抑制，对有用信息进行集中，可以在模型训练过程中动态调节信息的利用率，以此提高模型的训练效果，达到较好的碳排放量预测效果。
[0058]
线性层解析解码器的输出特征向量，回归得到未来时间序列里的碳排放量预测。
[0059]
所述预测模型中各个层之间的输入输出关系为：
[0060]
嵌入层
[0061]
输入：时序数据序列x
raw
，其中x
raw
[t]表示在t时刻的多元时间序列数据。
[0062]
输出：特征向量序列x[t]＝[x1[t]，x2[t]，...，xn[t]]，其中x[t]表示在t时刻的特征向量。
[0063]
嵌入层函数：x[t]＝e(x
raw
[t])
[0064]
编码器
[0065]
输入：特征向量序列x[t]＝[x1[t]，x2[t]，...，xn[t]]，。
[0066]
输出：编码器特征向量序列h[t]＝[h1[t]，h2[t]，...，hn[t]]，，其中h[t]表示在t时刻的编码器特征向量。
[0067]
编码器函数：h[t]＝encoder(x[t])
[0068]
解码器
[0069]
输入：编码器特征向量序列h[t]＝[h1[t]，h2[t]，...，hn[t]]。
[0070]
输出：解码器特征向量序列y[1：t
′
]＝[y1[t]，y2[t]，...，y
t
′
[t]]，其中y
t
′
[t]表示在t’时刻的解码器特征向量。
[0071]
解码器函数：y[1：t
′
]＝decoder(h[t])
[0072]
线性层，通过线性层对输入的特征进行降维。
[0073]
输入：解码器特征向量序列y[1：t
′
]＝[y1[t]，y2[t]，...，y
t
′
[t]]。
[0074]
输出：未来时间序列里的碳排放量预测结果y
pred
[1：t’]＝[y
pred1
[1]，y
pred2
[2]，...，y
predn
[t
′
]]，
[0075]
其中t表示预测时间长度，1表示未来一周，2表示未来两周，根据所需的预测周期确定t’的取值，从而对多个时间点进行预测。
[0076]
线性层函数：y
pred
[1：t
′
]＝linear(y[1：t
′
])
[0077]
确定预测周期，分别将预测周期划分为多个时间段，根据基于多元时间序列的企业碳排放量预测模型对未来多个时间段内的温室气体总排放量进行预测，
[0078]
碳排放履约预警模块用于确定比较周期，将比较周期划分为不同的时间段，根据碳排放履约预测模块分别获取企业在比较周期内不同时间段内的碳总排放量，根据比较周期内的碳总排放量与企业的碳配额进行比较，判断是否超出了碳配额，当超出了碳配额时，生成碳排放超额预警信息。企业可以根据预警信息及时采取相应的措施，调整生产计划和管理模式，以减少碳排放量并完成碳履约。
[0079]
一种基于多元时间序列的企业碳排放量预测方法，包括，
[0080]
步骤一、根据企业类型获取企业的碳排放边界以及碳排放边界内的碳排放源，根据碳排放源的类型确定碳排放因子和采集规则，根据采集规则获取相应碳排放因子在一段时间内的排放数据，获取所有碳排放因子的排放数据，获取企业在一段时间内的生产相关数据和外源指标性数据，所述生产相关数据包括企业生产产品的类型、订单生产量、订单排期，所述外源指标性数据包括采购经理人指数、区域经济指标数据，
[0081]
步骤二、根据所有碳排放因子以及碳排放因子的排放数据计算企业在一段时间内的碳总排放量，
[0082]
步骤三、确定采集周期，将采集周期划分为不同的时间段，获取不同时间段内的排放数据、碳排放因子以及碳总排放量，根据不同时间段内的排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量构建基于多元时间序列的企业碳排放量预测模型，根据基于多元时间序列的企业碳排放量预测模型对未来时间段内的温室气体总排放量进行预测，
[0083]
步骤四、确定比较周期，将比较周期划分为不同的时间段，根据碳排放履约预测模块分别获取企业在比较周期内不同时间段内的碳总排放量，根据比较周期内的碳总排放量与企业的碳配额进行比较，判断是否超出了碳配额，当超出了碳配额时，生成碳排放超额预警信息。
[0084]
整体的有益效果：
[0085]
本发明提供一种基于多元时间序列的企业碳排放量预测系统与方法，可以直接进行企业维度的碳排放量预测，有效降低企业碳履约的成本以及降低相应的风险。预测模型支持自定义的数据输入，针对多元时间序列进行模型训练，提高碳排放量预测的准确性，预测时可以对预测周期内的未来多个时间点进行连续预测，使得预测周期长，时间跨度大，提高企业完成碳履约的水平。
[0086]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

技术特征：
1.一种基于多元时间序列的企业碳排放量预测系统，其特征在于，包括数据采集模块、碳排放核算模块、碳排放履约预测模块以及碳排放履约预警模块，数据采集模块用于根据企业类型获取企业在采集周期内的碳排放数据和企业其他数据，所述数据采集模块包括碳排放数据采集子模块和企业其他数据采集子模块，所述碳排放数据采集子模块用于获取企业的碳排放边界以及碳排放边界内的碳排放源，根据碳排放源的类型确定碳排放因子和采集规则，根据采集规则获取相应碳排放因子在采集周期内的排放数据，获取所有碳排放因子的排放数据，所述企业其他数据采集子模块用于获取企业在采集周期内的生产相关数据和外源指标性数据，所述生产相关数据包括企业生产产品的类型、订单生产量、订单排期，所述外源指标性数据包括采购经理人指数、区域经济指标数据，碳排放核算模块用于根据核算周期内碳排放因子以及碳排放因子的排放数据计算企业的碳总排放量，碳排放履约预测模块用于确定历史采集周期，将历史采集周期划分为不同的时间段，获取不同时间段内的排放数据、碳排放因子以及碳总排放量，根据不同时间段内的排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量构建基于多元时间序列的企业碳排放量预测模型，根据基于多元时间序列的企业碳排放量预测模型对预测周期内的温室气体总排放量进行预测，碳排放履约预警模块用于确定比较周期，将比较周期划分为不同的时间段，根据碳排放履约预测模块分别获取企业在比较周期内不同时间段内的碳总排放量，根据比较周期内的碳总排放量与企业的碳配额进行比较，判断是否超出了碳配额，当超出了碳配额时，生成碳排放超额预警信息。2.根据权利要求1所述的一种基于多元时间序列的企业碳排放量预测系统，其特征在于，所述基于多元时间序列的企业碳排放量预测模型包括嵌入层、编码器、解码器以及线性层，所述嵌入层用于通过嵌入层函数将一段时间内排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量转换为特征向量序列，所述编码器用于通过编码器函数将特征向量序列转换为编码器特征向量序列，所述解码器用于通过解码器函数将编码器特征向量序列转换为预测周期内的解码器特征向量序列，所述线性层用于通过线性层函数将未来时间段内的解码器特征向量序列转换为预测周期内的碳排放量预测序列。3.根据权利要求1所述的一种基于多元时间序列的企业碳排放量预测系统，其特征在于，所述碳排放核算模块还用于计算企业的总排放强度和单个工序的排放强度。4.根据权利要求3所述的一种基于多元时间序列的企业碳排放量预测系统，其特征在于，所述计算企业的总排放强度和单个工序的排放强度为根据公式(1)计算总排放强度和根据公式(2)计算单个工序的排放强度，
其中，根据订单生产量确定产品产量。5.一种基于多元时间序列的企业碳排放量预测方法，其特征在于，包括，步骤一、根据企业类型获取企业的碳排放边界以及碳排放边界内的碳排放源，根据碳排放源的类型确定碳排放因子和采集规则，根据采集规则获取相应碳排放因子在一段时间内的排放数据，获取所有碳排放因子的排放数据，获取企业在一段时间内的生产相关数据和外源指标性数据，所述生产相关数据包括企业生产产品的类型、订单生产量、订单排期，所述外源指标性数据包括采购经理人指数、区域经济指标数据，步骤二、根据所有碳排放因子以及碳排放因子的排放数据计算企业在一段时间内的碳总排放量，步骤三、确定采集周期，将采集周期划分为不同的时间段，获取不同时间段内的排放数据、碳排放因子以及碳总排放量，根据不同时间段内的排放数据、碳排放因子、生产相关数据、外源指标性数据以及碳总排放量构建基于多元时间序列的企业碳排放量预测模型，根据基于多元时间序列的企业碳排放量预测模型对未来时间段内的温室气体总排放量进行预测，步骤四、确定比较周期，将比较周期划分为不同的时间段，根据碳排放履约预测模块分别获取企业在比较周期内不同时间段内的碳总排放量，根据比较周期内的碳总排放量与企业的碳配额进行比较，判断是否超出了碳配额，当超出了碳配额时，生成碳排放超额预警信息。

技术总结
本发明公开了一种基于多元时间序列的企业碳排放量预测系统与方法，包括数据采集模块用于获取企业的碳排放数据和企业其他数据，碳排放核算模块用于根据所有碳排放因子以及碳排放因子的排放数据计算企业在采集周期内的碳总排放量，碳排放履约预测模块用于获取不同时间段内的排放数据、碳排放因子与碳总排放量，构建基于多元时间序列的企业碳排放量预测模型，根据预测模型对预测周期内的温室气体总排放量进行预测，碳排放履约预警模块用于根据碳排放履约预测模块分别获取企业在比较周期内不同时间段内的碳总排放量，根据比较周期内的碳总排放量与碳配额进行比较，生成预警信息。提高碳排放量预测的准确性，可以对未来多个预测周期进行连续预测。个预测周期进行连续预测。个预测周期进行连续预测。


技术研发人员：陈钇名 刘晓斌 王彬
受保护的技术使用者：米塔碳（杭州）智能科技有限公司
技术研发日：2023.07.11
技术公布日：2023/10/15