Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 平邑县交通运输事业服务中心刘晓峰获国家专利权

平邑县交通运输事业服务中心刘晓峰获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉平邑县交通运输事业服务中心申请的专利机动车用的碳排放监测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118520415B

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410615093.2,技术领域涉及:G06F18/25;该发明授权机动车用的碳排放监测方法及系统是由刘晓峰;张晓军;杨晓华设计研发完成,并于2024-05-17向国家知识产权局提交的专利申请。

机动车用的碳排放监测方法及系统在说明书摘要公布了:本申请公开了机动车用的碳排放监测方法及系统,涉及碳排放技术领域,包括:采集机动车的行使数据集,行使数据集包含车速、油耗和里程;对采集的行使数据集进行包含异常值检测和平滑处理的预处理;利用预处理后的行使数据集,训练长短期记忆网络,得到碳排放预测模型A;利用预处理后的行使数据集,训练梯度提升树,得到碳排放预测模型B;根据得到的碳排放预测模型A和碳排放预测模型B,通过权重系数,得到融合的碳排放预测模型C;利用碳排放预测模型C,对机动车碳排放进行预测。针对现有技术中机动车碳排放预测精度低的问题,本申请通过异常值检测与填补获得更准确的训练数据,并利用长短期记忆网络和梯度提升决策树进行模型融合,提高了预测精度。

本发明授权机动车用的碳排放监测方法及系统在权利要求书中公布了:1.一种机动车用的碳排放监测方法,包括:采集机动车的行使数据集,行使数据集包含车速、油耗和里程;对采集的行使数据集进行包含异常值检测和平滑处理的预处理;利用预处理后的行使数据集,训练长短期记忆网络,得到碳排放预测模型A;利用预处理后的行使数据集,训练梯度提升树,得到碳排放预测模型B;根据得到的碳排放预测模型A和碳排放预测模型B,通过权重系数,得到融合的碳排放预测模型C;利用碳排放预测模型C,对机动车碳排放进行预测;对采集的行使数据集进行包含异常值检测和平滑处理的预处理,包括:采用局部外推算法,将采集的油耗和里程作为输入,检测其中的异常值,并标记异常值的油耗和里程;将采用移动平均算法,对采集的车速进行平滑处理;将平滑后的车速、标记异常值的油耗和里程,作为输入,采用线性插值算法,对异常值进行填补,作为预处理后的行使数据集;采用基于KNN的局部外推算法;采用局部外推算法,标记异常值的油耗和里程包括如下步骤:基于获取的机动车行驶数据,计算每个数据样本与其他数据样本之间的距离;选择与目标数据样本距离最近的K个数据样本作为相应的近邻;根据K个近邻数据样本,构建局部线性回归模型,作为KNN局部模型;将新采集的机动车行驶数据输入至KNN局部模型,通过KNN局部模型计算新采集的机动车行驶数据的预测值;计算预测值与新采集的机动车行驶数据的实际值之间的偏差;将偏差与预设阈值进行比较,当偏差超过预设阈值时,将新采集的机动车行驶数据判定为异常值,并标记异常值对应的油耗数据和里程数据;将采用移动平均算法,对采集的车速进行平滑处理包括如下步骤:获取机动车行驶过程中采集的车速时间序列数据,车速时间序列数据包含按时间顺序排列的多个车速数据点;设定时间窗口参数w,时间窗口参数w表示参与平均速度计算的车速数据点的数量;其中,时间窗口参数w的取值为5;对于车速时间序列数据中的每个目标车速数据点,确定对应数据点前后各w个车速数据点,构成一个局部车速数据段;计算局部车速数据段内所有车速数据点的平均值,作为目标车速数据点的平滑速度值;将车速时间序列数据中所有车速数据点的原始速度值替换为对应的平滑速度值,得到平滑处理后的车速时间序列数据;根据采集的油耗和里程,构建KD树;采用启发式遍历算法,遍历构建的KD树,获取与目标节点的相关性大于阈值的若干个叶子节点集合;采用遗传算法,将获取的叶子节点集合作为训练集,获取KNN算法中的最优参数K值;将获得的叶子节点集合和最优参数K值,作为输入,采用KNN算法,计算叶子节点与目标节点的距离,获得目标节点的K个最近邻叶子节点;计算目标节点与每个最近邻叶子节点的相关性,获得K个相关性值;将每个相关性值与预设的相关性阈值进行比较,统计大于等于相关性阈值的数量;如果大于等于相关性阈值的数量在K个近邻节点中所占的比例低于预设值,则判断目标节点为异常值;采用遗传算法,将获取的叶子节点集合作为训练集,获取KNN算法中的最优参数K值,包括如下步骤:将候选叶子节点集合作为KNN算法的训练样本,将不同的K值作为遗传算法的染色体编码,定义KNN分类准确率为染色体适应度函数;通过遗传算法的选择、交叉和变异操作,迭代搜索最优K值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人平邑县交通运输事业服务中心,其通讯地址为:273300 山东省临沂市明德路交通运输局办公楼四楼;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。