本發(fā)明涉大數(shù)據，具體涉及一種基于雙碳目標下的數(shù)據分析方法、系統(tǒng)及存儲介質。

背景技術：

1、隨著城市化進程的加速擴張和經濟的迅猛發(fā)展，居民的個性化出行需求也隨之日益增加，機動車保有量的不斷增長，交通工具在使用過程中排放的大量尾氣，使得交通運輸業(yè)成為了城市碳排放的主要貢獻者?；不同的交通出行方式在碳排放方面存在較大差異，出行結構優(yōu)化成為了影響交通碳排放的一個重要因素；目前針對城市雙碳數(shù)據的分析研究，多數(shù)集中在人口、財富、環(huán)境方面，重點關注各要素的單獨貢獻和影響；但碳排放路徑受多重因素的共同影響，僅考慮要素單獨影響難以為城市交通減排治理提供準確參考，影響碳排放分析的準確性。

技術實現(xiàn)思路

1、基于此，本發(fā)明的目的是提供一種基于雙碳目標下的數(shù)據分析方法、系統(tǒng)、存儲介質，以解決現(xiàn)有技術中存在的技術問題。

2、本發(fā)明提出一種基于雙碳目標下的數(shù)據分析方法，包括：

3、獲取當前城市的交通模式，根據所述交通模式分析城市交通出行方式及對應的能源類型，基于出行方式對應的能源類型構建碳排放測算模型；

4、根據所述碳排放測算模型識別城市交通中碳排放的若干影響因素，對若干所述影響因素進行敏感性分析，確定關鍵影響因素；

5、基于確定的關鍵影響因素，構建碳排放預測仿真模型，根據所述碳排放預測仿真模型預測當前城市交通在以后若干年內的碳排放量趨勢以及城市交通碳達峰和碳中和的時間；

6、基于預測的碳達峰和碳中和時間對當前城市的交通結構進行優(yōu)化調整。

7、優(yōu)選地，碳排放測算模型的表達式為：

8、

9、式中，為第種能源燃燒的碳排放量，為第種能源的消耗量，為第種能源平均低位發(fā)熱量，為第種能源單位熱值含碳量，為第種能源燃燒的碳氧化率，為第種能源折標煤系數(shù)。

10、優(yōu)選地，所述根據所述碳排放測算模型識別城市交通中碳排放的若干影響因素，對若干所述影響因素進行敏感性分析，確定關鍵影響因素的步驟包括：

11、獲取若干影響因素的原始數(shù)據，對原始數(shù)據進行標準化處理，根據標準化處理后的數(shù)據建立因素標準化相關矩陣；

12、獲取所述因素標準化相關矩陣的若干特征值以及對應的特征向量，將特征值大于預設值的變量作為分析變量，根據各分析變量對各影響因素的權重系數(shù)構建負載系數(shù)矩陣；

13、根據所述負載系數(shù)矩陣建立分析變量與若干影響因素之間的對應關系表達式，根據所述對應關系表達式和若干所述影響因素的原始數(shù)據得到分析變量在若干所述影響因素中的影響分值；

14、基于影響分值分別獲取若干影響因素對碳排放的影響權重，根據所述影響權重對若干所述影響因素進行敏感性分析，確定關鍵影響因素。

15、優(yōu)選地，所述根據所述影響權重對若干所述影響因素進行敏感性分析，確定關鍵影響因素的步驟包括：

16、根據若干影響因素和對應的影響權重構建碳排放分析模型；

17、根據所述碳排放分析模型，基于增量分解方式，量化各影響因素對碳排放的敏感效果；

18、基于量化的敏感效果分析各影響因素對城市交通碳排放的影響大小，根據影響大小確定所述關鍵影響因素。

19、優(yōu)選地，所述碳排放分析模型的表達式為：

20、

21、式中，為第種出行方式的碳排放量，為第個影響因素的影響權重，為第種出行方式中第個影響因素對碳排放的影響量，為影響因素的數(shù)量；

22、所述增量分解方式的表達式為：

23、

24、式中，為第個影響因素的量化敏感效果，為第種出行方式在城市交通出行方式中的權重，為計量時間，為第個計量時間內第種出行方式中第個影響因素對碳排放的影響量，為第個計量時間內第種出行方式中第個影響因素對碳排放的影響量；

25、；

26、式中，為第個計量時間內第種出行方式的碳排放量，為第個計量時間內第種出行方式的碳排放量。

27、優(yōu)選地，所述基于確定的關鍵影響因素，構建碳排放預測仿真模型的步驟包括：

28、以當前年份為基準年份，獲取所述基準年份以前若干年內的原始碳排放數(shù)據；

29、基于確定的關鍵影響因素構建原始碳排放預測仿真模型，對所述原始碳排放預測仿真模型的時間序列進行根檢驗，判斷各關鍵影響因素的時間序列值是否均小于預設時間序列值；

30、若均小于時間序列值，則表示各關鍵影響因素的時間序列值均達到穩(wěn)定狀態(tài)；若某一所述關鍵影響因素的時間序列值大于預設時間序列值，則對該時間序列值依次進行多階差分后再進行根檢驗和判斷，直至小于預設時間序列值；

31、對時間序列值均達到穩(wěn)定狀態(tài)的碳排放預測仿真模型進行回歸處理，確定各關鍵影響因素對應的標準化系數(shù)和關鍵值，所述標準化系數(shù)用于反映關鍵影響因素對碳排放的影響，所述關鍵值用于反映關鍵影響因素對碳排放變化的影響；

32、根據回歸處理后的碳排放預測仿真模型預測基準年份以前若干年內的碳排放預測數(shù)據，并將所述碳排放預測數(shù)據與原始碳排放數(shù)據進行對比；

33、若對比結果的平均誤差率小于預設誤差率，則判定回歸處理后的碳排放預測仿真模型滿足要求，將其作為目標碳排放預測仿真模型。

34、優(yōu)選地，所述對時間序列值均達到穩(wěn)定狀態(tài)的碳排放預測仿真模型進行回歸處理的步驟包括：

35、基于各關鍵影響因素構建自變量樣本矩陣，基于所述碳排放預測仿真模型的預測值構建因變量樣本矩陣，并將所述自變量樣本矩陣和所述因變量樣本矩陣標準化；

36、提取所述自變量樣本矩陣中的主成分，建立所述自變量樣本矩陣和所述因變量樣本矩陣對所述主成分的回歸方程；

37、基于交叉有效性驗證方法提取所述回歸方程中的恰當成分數(shù)，得到滿足精度要求的噸標準煤能耗對主成分的目標回歸方程，其中，交叉有效性驗證反應主成分對噸標準煤能耗的預測能力；

38、根據逆標準過程，將所述目標回歸方程還原為碳排放預測仿真模型對各關鍵影響因素的回歸方程，以完成碳排放預測仿真模型的回歸處理。

39、本發(fā)明還提出一種基于雙碳目標下的數(shù)據分析系統(tǒng)，包括；

40、構建模塊，用于獲取當前城市的交通模式，根據所述交通模式分析城市交通出行方式及對應的能源類型，基于出行方式對應的能源類型構建碳排放測算模型；

41、分析模塊，用于根據所述碳排放測算模型識別城市交通中碳排放的若干影響因素，對若干所述影響因素進行敏感性分析，確定關鍵影響因素；

42、預測模塊，用于基于確定的關鍵影響因素，構建碳排放預測仿真模型，根據所述碳排放預測仿真模型預測當前城市交通在以后若干年內的碳排放量趨勢以及城市交通碳達峰和碳中和的時間；

43、調整模塊，用于基于預測的碳達峰和碳中和時間對當前城市的交通結構進行優(yōu)化調整。

44、本發(fā)明還提出一種存儲介質，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)上述基于雙碳目標下的數(shù)據分析方法。

45、本發(fā)明還提出一種計算機，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述基于雙碳目標下的數(shù)據分析方法。

46、本發(fā)明相比于現(xiàn)有技術的有益效果為：本技術提供的基于雙碳目標下的數(shù)據分析方法，首先獲取當前城市的交通模式，并構建碳排放測算模型，根據所述碳排放測算模型識別城市交通中碳排放的若干影響因素，對若干所述影響因素進行敏感性分析，確定關鍵影響因素；確定關鍵影響因素再進行分析，可以減少后續(xù)數(shù)據的分析量，構建碳排放預測仿真模型，根據所述碳排放預測仿真模型預測當前城市交通在以后若干年內的碳排放量趨勢以及城市交通碳達峰和碳中和的時間；基于預測的碳達峰和碳中和時間對當前城市的交通結構進行優(yōu)化調整。本技術通過碳排放測算模型識別多種碳排放影響因素，確定關鍵影響因素后構建碳排放預測仿真模型，將多種因素的影響綜合考慮，提高數(shù)據分析的準確性，適合大范圍推廣。

47、本發(fā)明的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。