一种适用于熔铸铝合金产品的碳足迹预测方法及系统

本发明属于铝合金产品熔铸工业领域，更具体地，涉及一种适用于熔铸铝合金产品的碳足迹预测方法及系统。

背景技术：

1、随着国内工业化和城镇化的发展，中国对铝产品的需求不断增长，这推动了铝工业的快速发展，但也带来了巨大的能源和环境压力，碳排放量持续增加。在碳排放计量方法中，熔铸铝合金产品的碳足迹预测方法是其中重要的一部分。在现有技术中，准确地对熔铸铝工艺进行碳足迹预测是一个比较困难的问题。因此，为了解决上述问题，提供一种适用于熔铸铝合金产品的碳足迹预测方法具有重要的意义。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提出了一种适用于熔铸铝合金产品的碳足迹计量方法及系统，由此解决难以准确计量熔铸铝合金工艺过程碳足迹的技术问题。

2、为实现上述目的，按照本发明的一个方面，提供了一种适用于熔铸铝合金产品的碳足迹预测方法，包括：

3、步骤一、获取熔铸铝合金产品的碳足迹相关数据；

4、步骤二、初始化状态学习网络的相关参数，构建适用于熔铸铝合金产品的碳足迹预测模型；

5、步骤三、利用熔铸铝合金产品的相关碳足迹数据对状态学习网络进行训练，获得训练良好的状态学习网络；

6、步骤四、通过训练良好的状态学习网络对熔铸铝合金产品的碳足迹进行预测，获得预测的熔铸铝合金产品碳足迹数据。

7、优选地，获取熔铸铝合金产品的相关碳足迹数据包括：

8、熔铸铝合金产品熔铸阶段碳排放量k＝(k1,k2,k3,...,km)，m为熔铸阶段碳排放量采样数目；

9、熔铸铝合金产品切割阶段碳排放量p＝(p1,p2,p3,...,pm)，m为切割阶段碳排放量采样数目；

10、熔铸铝合金产品废料处理阶段碳排放量q＝(q1,q2,q3,...,qm)，m为废料处理阶段碳排放量采样数目。

11、优选地，初始化状态学习网络的相关参数，构建适用于熔铸铝合金产品的碳足迹预测模型，利用熔铸铝合金产品的相关碳足迹数据对状态学习网络进行训练，获得训练良好的状态学习网络的过程为：

12、步骤2-1：初始化特征加强单元数目n，每个特征加强单元包含的神经元数目sn，n＝1,2,3,...,n；初始化特征提取单元数目e，每个特征提取单元包含的神经元数目de，e＝1,2,3,...,e；

13、步骤2-2：通过下式计算第1个特征加强单元的输出矩阵h1∈rta×s1，即：

14、h1＝tanh(xawin,1+bin,1)   (1)

15、其中，tanh为双曲正切函数，为训练阶段的输入数据，为第1个特征加强单元的输入权重矩阵，为第1个特征加强单元的输入偏置矩阵，ta为训练阶段的碳足迹采样数目；

16、步骤2-3：通过下式计算第n个特征加强单元的输出矩阵，即：

17、hn＝tanh(hn-1win,n+bin,n)   (2)

18、其中，hn-1为第n-1个特征加强单元的输出矩阵，win,n和bin,n分别为第n个特征加强单元的输入权重矩阵和偏置矩阵；

19、步骤2-4：通过下式计算第e个特征提取单元在第t+1次碳足迹数据输入时输出矩阵ge(t+1)，即：

20、ge(t+1)＝tanh(xa(t+1)w'in,e+w′ege(t))   (3)

21、其中，xa(t+1)为第t+1次输入的碳足迹数据，t＝1,2,3,...,ta-1，w'in,e为第e个特征提取单元的输入权重矩阵，w′e为第e个特征提取单元的内部连接权重矩阵，ge(t)为第e个特征提取单元在第t次碳足迹数据输入时输出矩阵，e＝1,2,3,...,e；

22、通过公式(3)获得第e个特征提取单元在训练阶段的输出状态矩阵为e＝1,2,3,...,e，ts为第e个特征提取单元的有效更新次数，ts＜ta；

23、步骤2-5：通过下式估计状态学习网络的输出权重矩阵即

24、

25、其中，ya为训练阶段，输入的碳足迹数据对应的目标训练矩阵γ＝[xa,h1,h2,h3,...,hn,g1,g2,g3,...,ge]，||*||2为l2范数，α为l2范数的惩戒系数，βi为适用于第i个输出权重的随机权重系数，βi∈(0,1)；

26、步骤2-6：通过自适应弹力球算法求解公式(5)，得到估计的输出权重矩阵

27、步骤2-7：通过估计的输出权重矩阵构建训练良好的状态学习网络，实现有色铝熔铸碳足迹数据的预测。

28、优选地，步骤2-6中通过自适应弹力球算法求解公式(5)，得到估计的输出权重矩阵的计算过程为：

29、步骤2-6-1：初始化弹力球的个数l，最大迭代次数tmax，

30、步骤2-6-2：随机初始化每个弹力球的空间矢量位置

31、步骤2-6-3：定义迭代次数标签t＝1；

32、步骤2-6-4：通过下式更新第l个弹力球在第t+1次迭代时空间矢量位置sl(t)，即

33、

34、其中，sbest(t)为第t次迭代时的最佳空间矢量，sm(t)为第t次迭代时的平均空间矢量，rand为0-1之间的随机数，l＝1,2,3,...,l；

35、通过下式计算sm(t)，即

36、

37、步骤2-6-5：判断当前迭代次数t是否等于最大迭代次数tmax；如果否，那么t＝t+1，并跳到步骤4；

38、步骤2-6-6：输出最佳空间矢量sbest，即

39、优选地，步骤2-7中通过估计的输出权重矩阵构建训练良好的状态学习网络，实现有色铝熔铸碳足迹数据的预测的过程为，针对于当前输入有色铝熔铸合金产品碳足迹数据xb∈r1×3，进行状态学习网络的正向计算，获得色铝熔铸碳足迹数据的预测值。

40、按照本发明的另一方面，提供了一种适用于熔铸铝合金产品的碳足迹预测系统，包括：

41、碳排放数据监测控制器，用于对熔铸铝合金产品碳排放数据进行监测和收集；

42、碳足迹数据计量控制器，用于利用排放因子法对熔铸铝合金产品碳足迹数据进行计算；

43、碳足迹数据预测控制器，用于状态学习网络对熔铸铝合金产品碳足迹数据进行预测。

44、优选地，碳足迹数据预测控制器包括：

45、参数初始化模块，用于初始化状态学习网络的相关参数，构建适用于熔铸铝合金产品的碳足迹预测模型；

46、状态学习网络训练模块，用于利用熔铸铝合金产品的相关碳足迹数据对状态学习网络进行训练，获得训练良好的状态学习网络；

47、状态学习网络预测模块，通过训练良好的状态学习网络对熔铸铝合金产品的碳足迹进行预测，获得预测的熔铸铝合金产品碳足迹数据。

48、优选地，状态学习网络训练模块主要完成以下计算过程，即

49、步骤2-1：初始化特征加强单元数目n，每个特征加强单元包含的神经元数目sn，n＝1,2,3,...,n；初始化特征提取单元数目e，每个特征提取单元包含的神经元数目de，e＝1,2,3,...,e；

50、步骤2-2：通过下式计算第1个特征加强单元的输出矩阵即：

51、h1＝tanh(xawin,1+bin,1)   (1)

52、其中，tanh为双曲正切函数，为训练阶段的输入数据，为第1个特征加强单元的输入权重矩阵，为第1个特征加强单元的输入偏置矩阵，ta为训练阶段的碳足迹采样数目；

53、步骤2-3：通过下式计算第n个特征加强单元的输出矩阵即：

54、hn＝tanh(hn-1win,n+bin,n)   (2)

55、其中，hn-1为第n-1个特征加强单元的输出矩阵，win,n和bin,n分别为第n个特征加强单元的输入权重矩阵和偏置矩阵；

56、步骤2-4：通过下式计算第e个特征提取单元在第t+1次碳足迹数据输入时输出矩阵ge(t+1)，即：

57、ge(t+1)＝tanh(xa(t+1)w′in,e+w′ege(t))   (3)

58、其中，xa(t+1)为第t+1次输入的碳足迹数据，t＝1,2,3,...,ta-1，w'in,e为第e个特征提取单元的输入权重矩阵，w′e为第e个特征提取单元的内部连接权重矩阵，ge(t)为第e个特征提取单元在第t次碳足迹数据输入时输出矩阵，e＝1,2,3,...,e；

59、通过公式(3)获得第e个特征提取单元在训练阶段的输出状态矩阵为e＝1,2,3,...,e，ts为第e个特征提取单元的有效更新次数，ts＜ta；

60、步骤2-5：通过下式估计状态学习网络的输出权重矩阵即

61、

62、其中，ya为训练阶段，输入的碳足迹数据对应的目标训练矩阵γ＝[xa,h1,h2,h3,...,hn,g1,g2,g3,...,ge]，||*||2为l2范数，α为l2范数的惩戒系数，βi为适用于第i个输出权重的随机权重系数，βi∈(0,1)；

63、步骤2-6：通过自适应弹力球算法求解公式(5)，得到估计的输出权重矩阵

64、步骤2-7：通过估计的输出权重矩阵构建训练良好的状态学习网络，实现有色铝熔铸碳足迹数据的预测。

65、优选地，状态学习网络训练模块中通过自适应弹力球算法求解公式(5)的计算过程为：

66、步骤2-6-1：初始化弹力球的个数l，最大迭代次数tmax，

67、步骤2-6-2：随机初始化每个弹力球的空间矢量位置

68、步骤2-6-3：定义迭代次数标签t＝1；

69、步骤2-6-4：通过下式更新第l个弹力球在第t+1次迭代时空间矢量位置sl(t)，即

70、

71、其中，sbest(t)为第t次迭代时的最佳空间矢量，sm(t)为第t次迭代时的平均空间矢量，rand为0-1之间的随机数，l＝1,2,3,...,l；

72、通过下式计算sm(t)，即

73、

74、步骤2-6-5：判断当前迭代次数t是否等于最大迭代次数tmax；如果否，那么t＝t+1，并跳到步骤4；

75、步骤2-6-6：输出最佳空间矢量sbest，即

76、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

77、本发明的适用于熔铸铝合金产品的碳足迹预测方法，可以获取熔铸铝合金产品的碳足迹相关数据，包括产品熔铸阶段碳排放量、切割阶段碳排放量、废料处理阶段碳排放量，构建适用于熔铸铝合金产品的碳足迹预测模型，通过自适应弹力球算法得到估计的输出权重矩阵，利用估计的输出权重矩阵获得训练良好的状态学习网络，通过训练良好的状态学习网络对熔铸铝合金产品的碳足迹进行预测，获得预测的熔铸铝合金产品碳足迹数据；通过本发明技术方案的预测结果可知，熔铸铝合金产品的碳足迹集中在产品熔铸阶段，多次预测结果显示，该阶段碳足迹占比平均可超过总碳足迹的百分之九十；运用本发明技术方案预测某型号再生熔铸铝产品碳足迹，对比预测数据与实际计算数据基本吻合，本发明可以良好预测熔铸铝合金产品的碳足迹，为企业提供一种清晰且准确的熔铸铝合金产品碳足迹预测方案。