本发明公开了一种基于树突神经元模型的碳排放量预测方法、系统、介质及设备,属于碳排放量预测技术领域。所述方法包括:采集目标区域的多源异构碳排放数据;对所述多源异构碳排放数据依次进行数据清洗、数据标准化和数据特征选择,得到待预测时间段的多维度特征;分别将所述待预测时间段的多维度特征和前一个时间段的隐状态输入至预先训练好的改进的树突神经元模型,得到碳排放量的最终预测值;所述改进的树突神经元模型包括突触层、树突层、膜层和改进的胞体层。本发明能够有效提升对多源异构数据的特征解析精度,从而更加精确地预测碳排放量。
📄 2026101836691
📂 G06Q10_04
👤 南京信息工程大学
📅 2026-02-09