基于双碳目标下的数据分析方法、系统及存储介质与流程

本发明涉大数据，具体涉及一种基于双碳目标下的数据分析方法、系统及存储介质。

背景技术：

1、随着城市化进程的加速扩张和经济的迅猛发展，居民的个性化出行需求也随之日益增加，机动车保有量的不断增长，交通工具在使用过程中排放的大量尾气，使得交通运输业成为了城市碳排放的主要贡献者‌；不同的交通出行方式在碳排放方面存在较大差异，出行结构优化成为了影响交通碳排放的一个重要因素；目前针对城市双碳数据的分析研究，多数集中在人口、财富、环境方面，重点关注各要素的单独贡献和影响；但碳排放路径受多重因素的共同影响，仅考虑要素单独影响难以为城市交通减排治理提供准确参考，影响碳排放分析的准确性。

技术实现思路

1、基于此，本发明的目的是提供一种基于双碳目标下的数据分析方法、系统、存储介质，以解决现有技术中存在的技术问题。

2、本发明提出一种基于双碳目标下的数据分析方法，包括：

3、获取当前城市的交通模式，根据所述交通模式分析城市交通出行方式及对应的能源类型，基于出行方式对应的能源类型构建碳排放测算模型；

4、根据所述碳排放测算模型识别城市交通中碳排放的若干影响因素，对若干所述影响因素进行敏感性分析，确定关键影响因素；

5、基于确定的关键影响因素，构建碳排放预测仿真模型，根据所述碳排放预测仿真模型预测当前城市交通在以后若干年内的碳排放量趋势以及城市交通碳达峰和碳中和的时间；

6、基于预测的碳达峰和碳中和时间对当前城市的交通结构进行优化调整。

7、优选地，碳排放测算模型的表达式为：

8、

9、式中，为第种能源燃烧的碳排放量，为第种能源的消耗量，为第种能源平均低位发热量，为第种能源单位热值含碳量，为第种能源燃烧的碳氧化率，为第种能源折标煤系数。

10、优选地，所述根据所述碳排放测算模型识别城市交通中碳排放的若干影响因素，对若干所述影响因素进行敏感性分析，确定关键影响因素的步骤包括：

11、获取若干影响因素的原始数据，对原始数据进行标准化处理，根据标准化处理后的数据建立因素标准化相关矩阵；

12、获取所述因素标准化相关矩阵的若干特征值以及对应的特征向量，将特征值大于预设值的变量作为分析变量，根据各分析变量对各影响因素的权重系数构建负载系数矩阵；

13、根据所述负载系数矩阵建立分析变量与若干影响因素之间的对应关系表达式，根据所述对应关系表达式和若干所述影响因素的原始数据得到分析变量在若干所述影响因素中的影响分值；

14、基于影响分值分别获取若干影响因素对碳排放的影响权重，根据所述影响权重对若干所述影响因素进行敏感性分析，确定关键影响因素。

15、优选地，所述根据所述影响权重对若干所述影响因素进行敏感性分析，确定关键影响因素的步骤包括：

16、根据若干影响因素和对应的影响权重构建碳排放分析模型；

17、根据所述碳排放分析模型，基于增量分解方式，量化各影响因素对碳排放的敏感效果；

18、基于量化的敏感效果分析各影响因素对城市交通碳排放的影响大小，根据影响大小确定所述关键影响因素。

19、优选地，所述碳排放分析模型的表达式为：

20、

21、式中，为第种出行方式的碳排放量，为第个影响因素的影响权重，为第种出行方式中第个影响因素对碳排放的影响量，为影响因素的数量；

22、所述增量分解方式的表达式为：

23、

24、式中，为第个影响因素的量化敏感效果，为第种出行方式在城市交通出行方式中的权重，为计量时间，为第个计量时间内第种出行方式中第个影响因素对碳排放的影响量，为第个计量时间内第种出行方式中第个影响因素对碳排放的影响量；

25、；

26、式中，为第个计量时间内第种出行方式的碳排放量，为第个计量时间内第种出行方式的碳排放量。

27、优选地，所述基于确定的关键影响因素，构建碳排放预测仿真模型的步骤包括：

28、以当前年份为基准年份，获取所述基准年份以前若干年内的原始碳排放数据；

29、基于确定的关键影响因素构建原始碳排放预测仿真模型，对所述原始碳排放预测仿真模型的时间序列进行根检验，判断各关键影响因素的时间序列值是否均小于预设时间序列值；

30、若均小于时间序列值，则表示各关键影响因素的时间序列值均达到稳定状态；若某一所述关键影响因素的时间序列值大于预设时间序列值，则对该时间序列值依次进行多阶差分后再进行根检验和判断，直至小于预设时间序列值；

31、对时间序列值均达到稳定状态的碳排放预测仿真模型进行回归处理，确定各关键影响因素对应的标准化系数和关键值，所述标准化系数用于反映关键影响因素对碳排放的影响，所述关键值用于反映关键影响因素对碳排放变化的影响；

32、根据回归处理后的碳排放预测仿真模型预测基准年份以前若干年内的碳排放预测数据，并将所述碳排放预测数据与原始碳排放数据进行对比；

33、若对比结果的平均误差率小于预设误差率，则判定回归处理后的碳排放预测仿真模型满足要求，将其作为目标碳排放预测仿真模型。

34、优选地，所述对时间序列值均达到稳定状态的碳排放预测仿真模型进行回归处理的步骤包括：

35、基于各关键影响因素构建自变量样本矩阵，基于所述碳排放预测仿真模型的预测值构建因变量样本矩阵，并将所述自变量样本矩阵和所述因变量样本矩阵标准化；

36、提取所述自变量样本矩阵中的主成分，建立所述自变量样本矩阵和所述因变量样本矩阵对所述主成分的回归方程；

37、基于交叉有效性验证方法提取所述回归方程中的恰当成分数，得到满足精度要求的吨标准煤能耗对主成分的目标回归方程，其中，交叉有效性验证反应主成分对吨标准煤能耗的预测能力；

38、根据逆标准过程，将所述目标回归方程还原为碳排放预测仿真模型对各关键影响因素的回归方程，以完成碳排放预测仿真模型的回归处理。

39、本发明还提出一种基于双碳目标下的数据分析系统，包括；

40、构建模块，用于获取当前城市的交通模式，根据所述交通模式分析城市交通出行方式及对应的能源类型，基于出行方式对应的能源类型构建碳排放测算模型；

41、分析模块，用于根据所述碳排放测算模型识别城市交通中碳排放的若干影响因素，对若干所述影响因素进行敏感性分析，确定关键影响因素；

42、预测模块，用于基于确定的关键影响因素，构建碳排放预测仿真模型，根据所述碳排放预测仿真模型预测当前城市交通在以后若干年内的碳排放量趋势以及城市交通碳达峰和碳中和的时间；

43、调整模块，用于基于预测的碳达峰和碳中和时间对当前城市的交通结构进行优化调整。

44、本发明还提出一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述基于双碳目标下的数据分析方法。

45、本发明还提出一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于双碳目标下的数据分析方法。

46、本发明相比于现有技术的有益效果为：本技术提供的基于双碳目标下的数据分析方法，首先获取当前城市的交通模式，并构建碳排放测算模型，根据所述碳排放测算模型识别城市交通中碳排放的若干影响因素，对若干所述影响因素进行敏感性分析，确定关键影响因素；确定关键影响因素再进行分析，可以减少后续数据的分析量，构建碳排放预测仿真模型，根据所述碳排放预测仿真模型预测当前城市交通在以后若干年内的碳排放量趋势以及城市交通碳达峰和碳中和的时间；基于预测的碳达峰和碳中和时间对当前城市的交通结构进行优化调整。本技术通过碳排放测算模型识别多种碳排放影响因素，确定关键影响因素后构建碳排放预测仿真模型，将多种因素的影响综合考虑，提高数据分析的准确性，适合大范围推广。

47、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。