買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中南大學申請的專利一種基于改進白鯨算法的輸電線路工程碳排放預測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119227909B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411722658.3，技術領域涉及：G06Q10/04；該發明授權一種基于改進白鯨算法的輸電線路工程碳排放預測方法及系統是由陳曉紅;雷雨川;王傅強設計研發完成，并于2024-11-28向國家知識產權局提交的專利申請。

本一種基于改進白鯨算法的輸電線路工程碳排放預測方法及系統在說明書摘要公布了：本發明公開了一種基于改進白鯨算法的輸電線路工程碳排放預測方法及系統。其中，方法包括獲取輸電線路工程建設碳排放量以及輸電線路工程設計方案碳排放主要影響因素數據，構建數據集；對所述數據集中的數據進行預處理；構建支持向量機預測模型；利用改進白鯨算法尋找所述支持向量機預測模型的最優參數；將所述最優參數帶入所述支持向量機預測模型，并將預處理后的數據集輸入所述支持向量機預測模型，獲得碳排放預測數據。本發明提供的方案采用改進白鯨優化算法對支持向量機核心參數進行優化，有效提升了模型碳排放預測的準確性，通過對輸電線路工程設計方案碳排放的預測，能夠為電網公司規劃設計低碳成本的輸電線路提供決策參考。

本發明授權一種基于改進白鯨算法的輸電線路工程碳排放預測方法及系統在權利要求書中公布了：1.一種基于改進白鯨算法的輸電線路工程碳排放預測方法，其特征在于，所述方法包括：獲取輸電線路工程建設碳排放量以及輸電線路工程設計方案碳排放主要影響因素數據，構建數據集；對所述數據集中的數據進行預處理；構建支持向量機預測模型；利用改進白鯨算法尋找所述支持向量機預測模型的最優參數；將所述最優參數帶入所述支持向量機預測模型，并將預處理后的數據集輸入所述支持向量機預測模型，獲得碳排放預測數據；其中，所述改進白鯨算法為引入精英反向學習策略和動態折射反向學習策略的白鯨優化算法，所述精英反向學習策略用于保留白鯨優化算法搜索過程中的精英個體信息；所述動態折射反向學習策略用于在保留所述精英個體信息的同時，通過迭代次數動態調整參數，使搜索范圍隨著迭代次數增加而減小；精英反向學習策略實施過程包括： 其中，為第i個個體初始化位置；和為0,1范圍內的隨機數；為參數的下界；為參數的上界；為第i個個體所對應的反向解；為精英個體位置；為適應度求解函數；動態折射反向學習策略實施過程包括： 其中，為動態折射參數；為算法當前的迭代次數；為算法最大的迭代次數；為參數的下界；為參數的上界；為精英個體位置；為第i個精英個體的反向解；其中，獲取輸電線路工程設計方案碳排放主要影響因素數據，包括：獲取所有輸電線路工程設計方案碳排放影響因素；將所有碳排放影響因素作為總樣本，采用重采樣技術，從所述總樣本中挑選出m個樣本確定為袋內數據，將所述袋內數據作為訓練樣本集；將挑選后剩余的樣本確定為袋外數據，將所述袋外數據作為測試集樣本；用所述訓練樣本集生成一棵決策樹和每一個節點，重復有放回的對所述總樣本進行抽樣，重復n次，生成n個決策樹；基于生成的n個決策樹訓練隨機森林模型；利用訓練好的隨機森林模型對所述測試集樣本進行預測，采取投票法獲得預測結果；通過預測結果的錯誤率計算各碳排放影響因素的重要性；設定影響因素重要性閾值，將重要性大于或等于所述影響因素重要性閾值的碳排放影響因素作為主要影響因素。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中南大學，其通訊地址為：410000 湖南省長沙市岳麓區麓山南路932號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。