基于多源數(shù)據(jù)驅動的商住建筑碳排放關聯(lián)預測與優(yōu)化研究

定　價：￥68.00

作　者：	郭永德
出版社：	華中科技大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥54.80)

ISBN：	9787568092777	出版時間：	2023-11-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　在全球氣候變化和環(huán)境污染問題日益嚴峻的背景下，碳排放成為全球共同面臨的挑戰(zhàn)。其中，商住建筑作為能源消耗的重要領域，其碳排放問題直接影響著城市的可持續(xù)發(fā)展。因此，研究商住建筑碳排放的影響因素、預測方法和優(yōu)化策略，對于實現(xiàn)低碳城市建設具有重要意義。本書從我國綠色低碳發(fā)展理念出發(fā)，研究不同層面的碳排放定量估計與減排策略，分別從數(shù)據(jù)處理、評估模型構建和減排策略分析三個方面，對目標區(qū)域的商住建筑碳排放進行關聯(lián)特征分析研究。書中通過微觀地分析地區(qū)的商住建筑碳排放特點，再到宏觀層面的區(qū)域碳足跡分析，實現(xiàn)從點到面地綜合分析區(qū)域碳排放情況，并提出相應的碳減排策略。本書的目標讀者包括研究人員、工程實踐者以及政策制定者。我們希望通過本書的介紹和研究成果，能夠為相關領域的專業(yè)人士提供科學的指導和啟發(fā)，促進碳減排技術的應用與推廣。本書提出了基于多源數(shù)據(jù)驅動的商住建筑碳排放關聯(lián)預測與優(yōu)化的技術框架，主要通過采用多源數(shù)據(jù)驅動的方法，結合遙感衛(wèi)星數(shù)據(jù)和商住建筑碳排放數(shù)據(jù)等多個維度的信息，建立了基于機器學習和數(shù)據(jù)挖掘技術的碳排放關聯(lián)預測模型，

作者簡介

　　郭永德男，漢族，中國澳門人。澳門城市大學助理教授，澳門城市大學-珠海歐比特時空大數(shù)據(jù)與人工智能聯(lián)合實驗室主任。作者分別在2014年和2020年取得了清華大學電子系的工學碩士和工學博士學位。曾到美國俄勒岡州立大學電氣工程與計算機系作訪問學者，師從Thomas Dietterich榮譽教授，參與有關非洲環(huán)境可持續(xù)計算的應用項目，研究遙感圖像因遮擋導致的數(shù)據(jù)缺失問題。在2021年1月起，入職澳門城市大學數(shù)據(jù)科學研究院，擔任助理教授一職，同時為碩士生導師。作者的研究方向是圖像處理、計算機視覺、模式識別、環(huán)境可持續(xù)計算和遙感數(shù)據(jù)空間化等，已發(fā)表學術論文10余篇（SCI/EI）和專著1本，并分別主持與參與多個澳門基金會和國家自然科學基金的研究項目。

圖書目錄

目錄
第1章緒論(1)
1.1研究背景(1)
1.1.1全球氣候變化與碳排放關系(1)
1.1.2中國碳排放發(fā)展現(xiàn)狀與挑戰(zhàn)(2)
1.1.3城市化對碳排放影響(3)
1.2研究意義和應用價值(5)
1.3國內外研究進展(6)
1.3.1碳排放評價標準與評估方法研究(6)
1.3.2建筑碳排放相關研究(7)
1.3.3碳排放關聯(lián)數(shù)據(jù)庫研究(10)
1.3.4基于遙感技術的碳排放監(jiān)測研究(11)
1.3.5碳排放空間反演研究(12)
1.4關鍵問題與研究內容(14)
1.4.1關鍵研究問題(14)
1.4.2研究思路(16)
1.4.3多源碳排放數(shù)據(jù)平臺功能實現(xiàn)(17)
1.4.4基于物聯(lián)網(wǎng)的商住建筑碳排放預測研究(17)
1.4.5基于深度卷積神經(jīng)網(wǎng)絡的碳足跡遙感估計(18)
1.4.6基于遙感數(shù)據(jù)的碳排放空間特征關聯(lián)分析與碳減排
策略(18)
1.5全書結構安排與研究內容(19)
第2章多源碳排放數(shù)據(jù)平臺實現(xiàn)(22)
2.1本章引論(22)
2.2研究背景與相關工作(23)
2.2.1嵌入式系統(tǒng)(23)
2.2.2物聯(lián)網(wǎng)平臺(25)
2.2.3遙感技術(25)
2.2.4地理信息系統(tǒng)(26)
2.3多源碳排放數(shù)據(jù)平臺設計(27)
2.3.1多源碳排放數(shù)據(jù)平臺的總體概述(27)
2.3.2多源碳排放數(shù)據(jù)平臺設計原則(27)
2.3.3多源碳排放數(shù)據(jù)平臺的設計目標與要求(28)
2.3.4多源碳排放數(shù)據(jù)平臺總體結構(28)
2.4多源碳排放數(shù)據(jù)平臺模塊(30)
2.4.1商住建筑碳排放監(jiān)測模塊設計(30)
2.4.2多源數(shù)據(jù)模塊設計(31)
2.4.3碳排放數(shù)據(jù)預處理模塊設計(33)
2.4.4碳排放數(shù)據(jù)管理平臺設計(35)
2.5多源碳排放數(shù)據(jù)平臺實現(xiàn)(35)
2.5.1商住建筑碳排放數(shù)據(jù)功能實現(xiàn)(36)
2.5.2多源遙感圖像功能實現(xiàn)(44)
2.6本章小結(46)
··基于多源數(shù)據(jù)驅動的商住建筑碳排放關聯(lián)預測與優(yōu)化研究目錄第3章基于物聯(lián)網(wǎng)的商住建筑碳排放預測研究(47)
3.1本章引論(47)
3.2研究背景與相關工作(48)
3.2.1傳統(tǒng)時間序列分析(48)
3.2.2支持向量機(50)
3.2.3神經(jīng)網(wǎng)絡預測方法(51)
3.2.4Transformer模型(54)
3.3基于差分自回歸移動平均模型的商住建筑碳排放預測(56)
3.4基于支持向量回歸算法的商住建筑碳排放預測(60)
3.5基于多維度時間序列的商住建筑碳排放預測算法(61)
3.5.1單因素多維度時間序列預測算法(62)
3.5.2多因素多維度時間序列預測算法(65)
3.6實驗結果與分析(68)
3.6.1評價標準(68)
3.6.2實驗結果與分析(69)
3.7本章小結(78)第4章基于混合注意力機制的深度卷積神經(jīng)網(wǎng)絡碳足跡遙感估計(79)
4.1本章引論(79)
4.2研究背景與相關工作(80)
4.2.1應用的遙感數(shù)據(jù)(80)
4.2.2殘差神經(jīng)網(wǎng)絡(82)
4.2.3混合注意力機制(83)
4.2.4基于遙感圖像的碳足跡算法(85)
4.3基于混合注意力機制的殘差神經(jīng)網(wǎng)絡縣級碳足跡評估算法(86)
4.4實驗結果與分析(89)
4.4.1碳足跡數(shù)據(jù)集(89)
4.4.2實驗結果分析(90)
4.5本章小結(94)
第5章基于遙感數(shù)據(jù)的碳排放空間特征關聯(lián)分析與減排策略(95)
5.1本章引論(95)
5.2研究背景與相關工作(96)
5.2.1聚類算法介紹(96)
5.2.2碳減排策略研究(98)
5.2.3本章主要內容與結構安排(99)
5.3基于遙感圖像的碳排放空間特征關聯(lián)分析(99)
5.4針對性碳減排策略(102)
5.4.1宏觀的碳減排策略分析(102)
5.4.2微觀的碳減排策略分析(104)
5.5本章小結(105)
第6章全書總結和展望(106)
6.1全書總結(106)
6.2未來展望(108)
參考文獻(110)