基于多源数据驱动的商住建筑碳排放关联预测与优化研究

目录

第1章绪论(1)

1.1研究背景(1)

1.1.1全球气候变化与碳排放关系(1)

1.1.2中国碳排放发展现状与挑战(2)

1.1.3城市化对碳排放影响(3)

1.2研究意义和应用价值(5)

1.3国内外研究进展(6)

1.3.1碳排放评价标准与评估方法研究(6)

1.3.2建筑碳排放相关研究(7)

1.3.3碳排放关联数据库研究(10)

1.3.4基于遥感技术的碳排放监测研究(11)

1.3.5碳排放空间反演研究(12)

1.4关键问题与研究内容(14)

1.4.1关键研究问题(14)

1.4.2研究思路(16)

1.4.3多源碳排放数据平台功能实现(17)

1.4.4基于物联网的商住建筑碳排放预测研究(17)

1.4.5基于深度卷积神经网络的碳足迹遥感估计(18)

1.4.6基于遥感数据的碳排放空间特征关联分析与碳减排

策略(18)

1.5全书结构安排与研究内容(19)

第2章多源碳排放数据平台实现(22)

2.1本章引论(22)

2.2研究背景与相关工作(23)

2.2.1嵌入式系统(23)

2.2.2物联网平台(25)

2.2.3遥感技术(25)

2.2.4地理信息系统(26)

2.3多源碳排放数据平台设计(27)

2.3.1多源碳排放数据平台的总体概述(27)

2.3.2多源碳排放数据平台设计原则(27)

2.3.3多源碳排放数据平台的设计目标与要求(28)

2.3.4多源碳排放数据平台总体结构(28)

2.4多源碳排放数据平台模块(30)

2.4.1商住建筑碳排放监测模块设计(30)

2.4.2多源数据模块设计(31)

2.4.3碳排放数据预处理模块设计(33)

2.4.4碳排放数据管理平台设计(35)

2.5多源碳排放数据平台实现(35)

2.5.1商住建筑碳排放数据功能实现(36)

2.5.2多源遥感图像功能实现(44)

2.6本章小结(46)

··基于多源数据驱动的商住建筑碳排放关联预测与优化研究目录第3章基于物联网的商住建筑碳排放预测研究(47)

3.1本章引论(47)

3.2研究背景与相关工作(48)

3.2.1传统时间序列分析(48)

3.2.2支持向量机(50)

3.2.3神经网络预测方法(51)

3.2.4Transformer模型(54)

3.3基于差分自回归移动平均模型的商住建筑碳排放预测(56)

3.4基于支持向量回归算法的商住建筑碳排放预测(60)

3.5基于多维度时间序列的商住建筑碳排放预测算法(61)

3.5.1单因素多维度时间序列预测算法(62)

3.5.2多因素多维度时间序列预测算法(65)

3.6实验结果与分析(68)

3.6.1评价标准(68)

3.6.2实验结果与分析(69)

3.7本章小结(78)第4章基于混合注意力机制的深度卷积神经网络碳足迹遥感估计(79)

4.1本章引论(79)

4.2研究背景与相关工作(80)

4.2.1应用的遥感数据(80)

4.2.2残差神经网络(82)

4.2.3混合注意力机制(83)

4.2.4基于遥感图像的碳足迹算法(85)

4.3基于混合注意力机制的残差神经网络县级碳足迹评估算法(86)

4.4实验结果与分析(89)

4.4.1碳足迹数据集(89)

4.4.2实验结果分析(90)

4.5本章小结(94)

第5章基于遥感数据的碳排放空间特征关联分析与减排策略(95)

5.1本章引论(95)

5.2研究背景与相关工作(96)

5.2.1聚类算法介绍(96)

5.2.2碳减排策略研究(98)

5.2.3本章主要内容与结构安排(99)

5.3基于遥感图像的碳排放空间特征关联分析(99)

5.4针对性碳减排策略(102)

5.4.1宏观的碳减排策略分析(102)

5.4.2微观的碳减排策略分析(104)

5.5本章小结(105)

第6章全书总结和展望(106)

6.1全书总结(106)

6.2未来展望(108)

参考文献(110)