技術特征：

1.一種基于機器學習的綠色碳足跡預測方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的基于機器學習的綠色碳足跡預測方法，其特征在于，所述人工神經(jīng)網(wǎng)絡包括輸入層、隱含層和輸出層，其中，輸入層接受特征向量x，輸出層產(chǎn)出最終的預測y，而隱含層介于輸入層與輸出層之間；

3.根據(jù)權(quán)利要求2所述的基于機器學習的綠色碳足跡預測方法，其特征在于，所述將訓練集數(shù)據(jù)輸入人工神經(jīng)網(wǎng)絡模型進行訓練，具體包括：

4.根據(jù)權(quán)利要求3所述的基于機器學習的綠色碳足跡預測方法，其特征在于，所述引入均方差損失函數(shù)對人工神經(jīng)網(wǎng)絡模型進行梯度優(yōu)化，具體包括：

5.一種基于機器學習的綠色碳足跡預測裝置，其特征在于，包括：

6.根據(jù)權(quán)利要求5所述的基于機器學習的綠色碳足跡預測裝置，其特征在于，所述人工神經(jīng)網(wǎng)絡包括輸入層、隱含層和輸出層，其中，輸入層接受特征向量x，輸出層產(chǎn)出最終的預測y，而隱含層介于輸入層與輸出層之間；

7.根據(jù)權(quán)利要求6所述的基于機器學習的綠色碳足跡預測裝置，其特征在于，所述模型訓練模塊，具體用于：

8.根據(jù)權(quán)利要求7所述的基于機器學習的綠色碳足跡預測裝置，其特征在于，所述模型優(yōu)化模塊，具體用于：

9.一種基于機器學習的綠色碳足跡預測系統(tǒng)，包括：計算機可讀存儲介質(zhì)和處理器；

10.一種非暫態(tài)計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-4中任一項所述的基于機器學習的綠色碳足跡預測方法。

技術總結(jié)
本發(fā)明涉及一種基于機器學習的綠色碳足跡預測方法及相關裝置，該方法包括：采集已有的產(chǎn)品碳足跡數(shù)據(jù)，包括產(chǎn)品的各生命周期環(huán)節(jié)的能源消耗數(shù)據(jù)、原材料使用數(shù)據(jù)及各階段的碳排放數(shù)據(jù)；將采集到的數(shù)據(jù)按比例8：1：1分為訓練集、測試集和驗證集，在訓練集上訓練人工神經(jīng)網(wǎng)絡模型，在測試集上對模型的性能進行測試，最后在驗證集上驗證模型的有效性；將訓練集數(shù)據(jù)輸入人工神經(jīng)網(wǎng)絡進行深度學習；引入均方差損失函數(shù)對人工神經(jīng)網(wǎng)絡模型進行梯度優(yōu)化；將人工神經(jīng)網(wǎng)絡模型用于其他產(chǎn)品的碳足跡預測計算中。本發(fā)明利用機器學習算法對產(chǎn)品碳足跡進行預測，不僅可以大大簡化數(shù)據(jù)的采集，并且計算速度也比傳統(tǒng)計算方法快。

技術研發(fā)人員：向彬,李家源,楊志淳,楊帆,盧生煒,熊虎
受保護的技術使用者：國網(wǎng)湖北省電力有限公司電力科學研究院
技術研發(fā)日：
技術公布日：2024/12/19