一种碳排放集聚区识别方法、系统、设备及介质与流程

本发明涉及数据处理，尤其涉及一种碳排放集聚区识别方法、系统、设备及介质。

背景技术：

1、现有技术通常采用空间统计分析和聚类分析等方法来识别碳排放集聚区，常见的空间统计方法包括莫兰指数(moran's i)和空间自相关分析等，利用指数量化排放集聚程度；聚类分析多采用k均值聚类、密度聚类等非监督聚类算法，基于人为给定的超参数将具有相似碳排放特征的区域划分为同一集聚区。

2、但现有的碳排放集聚区识别方法只能识别出碳排放的高集聚区，而无法对集聚区进行分级，导致了识别结果无法全面准确地反映出碳排放集聚区的实际情况；且超参数的选择对于碳排放集聚区识别结果具有重要影响，现有方法需要人为根据经验和实验来不断调整超参数，既增加了工作量，也影响识别结果的稳定性。

技术实现思路

1、本发明所要解决的技术问题是，提供一种碳排放集聚区识别方法、系统、设备及介质，提高碳排放集聚区识别结果的准确性和稳定性。

2、为解决以上技术问题，本发明实施例提供了一种碳排放集聚区识别方法，包括：

3、将碳排放目标区域划分为若干个空间单元，获取各个空间单元的各项碳排放量属性，构建时空碳排放量矩阵；

4、根据所述时空碳排放量矩阵确定各个空间单元在各项碳排放量属性下的排放等级；

5、根据所述时空碳排放量矩阵，通过密度聚类算法对空间单元进行初步聚类分析，确定碳排放空间聚类超参数；根据所述碳排放空间聚类超参数设置密度聚类算法，通过设置后的密度聚类算法再次对空间单元进行聚类分析，获得若干个空间聚类簇；

6、根据所述排放等级以及所述若干个空间聚类簇确定各个空间单元在各项碳排放量属性下的集聚排放等级；

7、根据所述集聚排放等级，构建时空集聚排放等级矩阵；

8、基于所述时空集聚排放等级矩阵，以所述时空碳排放量矩阵中的各项碳排放量属性作为特征，通过基于肘部法则确定超参数取值的k均值聚类算法对空间单元进行聚类分析，获得若干个类别聚类簇；

9、根据所述若干个类别聚类簇将各个空间单元识别为不同的碳排放集聚区类别。

10、可选地，所述各个空间单元的各项碳排放量属性包括各个空间单元的日碳排放量以及各特征时段内的碳排放量。

11、可选地，所述根据所述时空碳排放量矩阵确定各个空间单元在各项碳排放量属性下的排放等级，包括：

12、依次选取所述时空碳排放量矩阵中的各项碳排放量属性，在所选取的碳排放属性下计算不同分位数下对应的排量覆盖比例，获得若干个排量覆盖比例；

13、根据所述若干个排量覆盖比例确定各项碳排放量属性的排放等级特征分位数；

14、根据所述各项碳排放量属性的排放等级特征分位数确定各个空间单元在各项碳排放量属性下的排放等级。

15、可选地，所述根据所述时空碳排放量矩阵，通过密度聚类算法对空间单元进行初步聚类分析，确定碳排放空间聚类超参数，包括：

16、依次选取所述时空碳排放量矩阵中的各项碳排放量属性，在所选取的碳排放量属性下选取多个排放等级特征分位数；

17、对于每一个所选取的排放等级特征分位数，选取碳排放量高于所选取的排放等级特征分位数的空间单元；

18、通过密度聚类算法对所述选取的空间单元进行初步聚类分析，获得初步空间聚类结果；

19、根据所述初步空间聚类结果，采用网格搜索法确定碳排放空间聚类超参数。

20、可选地，所述根据所述初步空间聚类结果，采用网格搜索法确定碳排放空间聚类超参数，包括：

21、在确定的超参数空间内进行网格搜索，记录不同超参数组合取值下通过密度聚类算法对所述初步空间聚类结果进行聚类分析得到的空间聚类簇数量和聚类碳排放量占比；

22、将所述空间聚类簇数量和聚类碳排放量占比的指标分布转分别转化为指标分位数；

23、选取使得所述空间聚类簇数量的指标分位数和所述聚类碳排放量占比的指标分位数最接近的超参数组合取值作为碳排放空间聚类超参数；

24、其中，所述聚类碳排放量占比为在任一项碳排放属性下被归入任一空间聚类簇的空间单元的碳排放量之和占所有空间单元的碳排放量之和的比例。

25、可选地，所述根据所述排放等级以及所述若干个空间聚类簇确定各个空间单元在各项碳排放量属性下的集聚排放等级，包括：

26、当空间单元被归入任一所述若干个空间聚类簇时，所述空间单元在各项碳排放量属性下的集聚排放等级分别为所述空间单元在各项碳排放量属性下的排放等级；

27、当空间单元未被归入任一所述若干个空间聚类簇时，则所述空间单元在各项碳排放量属性下的集聚排放等级为0；

28、对于同项碳排放量属性，若空间单元同时被归入不同空间聚类簇，则所述空间单元在各项碳排放量属性下的集聚排放等级分别为所述空间单元在不同空间聚类簇所对应的碳排放量属性下的排放等级最高值。

29、可选地，所述根据所述若干个类别聚类簇将各个空间单元识别为不同的碳排放集聚区类别，包括：

30、根据所述若干个类别聚类簇的集聚排放等级，对各个空间单元进行识别，获得的碳排放集聚区类别包括一级集聚区、二级集聚区和三级集聚区；

31、根据所述若干个类别聚类簇的各特征时段内的碳排放量，对各个空间单元进行识别，获得的碳排放集聚区类别包括稳定型集聚区、日间高峰型集聚区、夜间高峰型集聚区和通勤时段高峰型集聚区；

32、根据所述若干个类别聚类簇的空间形态，对各个空间单元进行识别，获得的碳排放集聚区类别包括区域型集聚区和通道型集聚区。

33、本发明实施例还提供了一种碳排放集聚区识别系统，用于实现如上任一项所述的碳排放集聚区识别方法，包括：

34、时空碳排放量矩阵构建模块，用于将碳排放目标区域划分为若干个空间单元，获取各个空间单元的各项碳排放量属性，构建时空碳排放量矩阵；

35、排放等级确定模块，用于根据所述时空碳排放量矩阵确定各个空间单元在各项碳排放量属性下的排放等级；

36、碳排放空间聚类模块，用于根据所述时空碳排放量矩阵，通过密度聚类算法对空间单元进行初步聚类分析，确定碳排放空间聚类超参数；根据所述碳排放空间聚类超参数设置密度聚类算法，通过设置后的密度聚类算法再次对空间单元进行聚类分析，获得若干个空间聚类簇；

37、集聚排放等级确定模块，用于根据所述排放等级以及所述若干个空间聚类簇确定各个空间单元在各项碳排放量属性下的集聚排放等级；

38、时空集聚排放等级矩阵构建模块，用于根据所述集聚排放等级，构建时空集聚排放等级矩阵；

39、碳排放类别聚类模块，用于基于所述时空集聚排放等级矩阵，以所述时空碳排放量矩阵中的各项碳排放量属性作为特征，通过基于肘部法则确定超参数取值的k均值聚类算法对空间单元进行聚类分析，获得若干个类别聚类簇；

40、碳排放集聚区识别模块，用于根据所述若干个类别聚类簇将各个空间单元识别为不同的碳排放集聚区类别。

41、本发明实施例提供了一种碳排放集聚区识别设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项所述的碳排放集聚区识别方法。

42、本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项所述的碳排放集聚区识别方法。

43、与现有技术相比，本发明提供了一种碳排放集聚区识别方法、系统、设备及介质，首先将碳排放区域划分为若干个空间单元，获取各项碳排放量属性，构建时空碳排放量矩阵，从而确定各个空间单元在各项碳排放量属性下的排放等级；其次通过密度聚类算法确定碳排放空间聚类超参数，再使用碳排放空间聚类超参数设置密度聚类算法对空间单元进行聚类分析，获得若干个空间聚类簇；然后根据排放等级以及若干个空间聚类簇确定各个空间单元在各项碳排放量属性下的集聚排放等级，构建时空集聚排放等级矩阵；最后使用k均值聚类算法对空间单元进行聚类从而识别碳排放集聚区类别。本发明通过引入排放等级的方法，能够更好地反映出空间单元的碳排放特征，实现碳排放集聚区的分级识别，提高了对碳排放数据的分析和管理能力；然后通过dbscan算法确定碳排放空间聚类超参数，能够自动调整和优化碳排放空间聚类模型的超参数，不仅减少了参数调优的工作量，还提高了识别结果的准确性和稳定性。