一种碳排放量预测方法与流程

本发明涉及工程施工，具体涉及一种碳排放量预测方法。

背景技术：

1、针对施工中的碳排放预测，能够为施工中的碳排放控制和优化提供合理依据。但目前，国内对工程施工碳排放的预测模型和测算指标较为缺乏，而在建筑行业通常用碳排放系数进行测算，不利于提前对施工碳排放进行控制与优化。

2、综上所述，急需一种碳排放量预测方法以解决现有技术中存在的问题。

技术实现思路

1、本发明目的在于提供一种碳排放量预测方法，旨在解决现有技术中针对工程施工碳排放的预测模型和测算指标缺乏以及采用碳排放系数进行测算，不利于提前对施工碳排放进行控制与优化的问题，具体技术方案如下：

2、一种碳排放量预测方法，包括以下步骤：

3、s1：根据工程量清单内容，将工程施工的过程分解为n个工序并收集工程施工数据；

4、s2：基于工程施工数据，通过hho算法和gp算法构建工程施工碳排放量与n个工序工作量之间的预测模型；

5、s3：通过预测模型以及待预测工程施工的n个工序工作量，预测得到待预测工程施工碳排放量。

6、优选的，所述步骤s2具体包括：

7、s2-1：选取hho初始参数和gp初始参数；将工程施工数据拆分成前n组和后m组；

8、s2-2：输入前n组工程施工数据作为训练数据，初始化hho算法中个体位置与适应度值，并将最优适应度个体位置设定为初始哈里斯鹰猎物的位置；迭代；输出交叉概率以及子树变异概率的优化参数组合；

9、s2-3：将输出的优化参数组合代入gp算法中；执行选择、交叉以及变异算子并计算个体适应度值，迭代；得到hho-gp预测模型；

10、s2-4：输入后m组工程施工数据作为验证数据，用于验证hho-gp预测模型。

11、优选的，所述步骤s2-1具体包括：

12、s2-1-1：选取hho初始参数：根据经验法选取hho算法中哈里斯鹰种群数量、哈里斯鹰迭代代数、遗传规划种群数量以及遗传规划迭代代数的初始值；迭代选取哈里斯鹰种群数量、哈里斯鹰迭代代数、遗传规划种群数量以及遗传规划迭代代数的具体值；

13、s2-1-2：选取gp初始参数：选取目标、终止集、函数集、选择方法、终止准则以及初始化群体产生方法。

14、优选的，所述步骤s2-2以及步骤s2-3中的迭代终止条件为：迭代循环达到设定的最大迭代次数或适应度值小于所设定的值。

15、优选的，所述适应度值的计算公式如下：

16、

17、其中，n为训练数据的样本数，yi为第i个训练数据的实际碳排放量，为第i个训练数据的预测碳排放量。

18、优选的，所述工程施工数据包括工程施工中n个工序的工作量以及工程施工过程产生的碳排放量。

19、应用本发明的技术方案，具有以下有益效果：

20、(1)本发明通过hho算法(哈里斯鹰算法)收敛速度快、路径短且平滑的特点，提高gp算法(遗传规划算法)收敛速度，建立得到预测精度高、稳定性强的构建盾构施工碳排放量与工序工作量之间的预测模型能够有效地对工程施工的碳排放量进行预测，有利于提前对工程施工碳排放量进行控制与优化。

21、(2)本发明通过hho算法收敛速度快、路径短且平滑的特点，计算得到交叉概率以及子树变异概率的优化参数组合，作为gp算法的输入，从而避免由于交叉概率过大时，遗传模式被破坏的可能性也增大，使得具有高适应度的个体结构很快就会被破坏；交叉概率过小时，搜索过程缓慢，甚至停滞不前的问题；以及变异概率取值过小，就不易产生新的个体结构；取值过大，遗传规划算法变成了纯粹的随机搜索算法的问题；有效地建立了构建盾构施工碳排放量与工序工作量之间的预测模型。

22、除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

技术特征：

1.一种碳排放量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的碳排放量预测方法，其特征在于，所述步骤s2具体包括：

3.根据权利要求2所述的碳排放量预测方法，其特征在于，所述步骤s2-1具体包括：

4.根据权利要求2所述的碳排放量预测方法，其特征在于，所述步骤s2-2以及步骤s2-3中的迭代终止条件为：迭代循环达到设定的最大迭代次数或适应度值小于所设定的值。

5.根据权利要求4所述的碳排放量预测方法，其特征在于，所述适应度值的计算公式如下：

6.根据权利要求1所述的碳排放量预测方法，其特征在于，所述工程施工数据包括工程施工中n个工序的工作量以及工程施工过程产生的碳排放量。

技术总结
本发明提供了一种碳排放量预测方法，包括以下步骤：根据工程量清单内容，将工程施工的过程分解为N个工序并收集工程施工数据；基于工程施工数据，通过HHO算法和GP算法构建工程施工碳排放量与N个工序工作量之间的预测模型；通过预测模型以及待预测工程施工的N个工序工作量，预测得到待预测工程施工碳排放量。本发明通过HHO算法(哈里斯鹰算法)收敛速度快、路径短且平滑的特点，提高GP算法(遗传规划算法)收敛速度，建立得到预测精度高、稳定性强的构建盾构施工碳排放量与工序工作量之间的预测模型能够有效地对工程施工的碳排放量进行预测，有利于提前对工程施工碳排放量进行控制与优化。

技术研发人员：王朝晖,赵广资,李克金,齐跃军,仇晖,李春林,张曦,郑培营,秦玉楠,常喜军,吴广兴,邢雨蒙,汪优,马悦,王瑞
受保护的技术使用者：中铁建黄河投资建设有限公司
技术研发日：
技术公布日：2024/1/13