买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江西省电力有限公司南昌供电分公司;国家电网有限公司

摘要：本发明公开了基于区块链的碳排放监测方法，包括如下步骤：分别将训练好的增强非线性混合整数规划SMOTE算法、涡动优化神经网络、基于张量分解与优化的自编码神经网络和基于协变量矩阵的极限学习机分类算法用于数据扩充、数据特征提取、特征降维以及降维特征分类，并应用于区块链存储中；本发明通过在数据扩充过程中引入非线性混合整数规划，能够进行高效的数据扩充；本发明的涡动优化神经网络算法模拟自然界中涡旋的形成、演变和消散过程来优化神经网络中的参数，提高了神经网络训练的稳定性和性能，尤其是在解决梯度消失、梯度爆炸或陷入局部最优解等问题上。

主权项：1.基于区块链的碳排放监测方法，其特征在于，包括如下步骤：步骤S1：通过碳排放监测设备采集监测的数据构建原始碳排放监测数据集，对采集到的数据进行标注，标注类别分为正常排放和异常排放两个类别；步骤S2：采用训练好的增强非线性混合整数规划SMOTE算法对采集到的数据进行扩充；所述增强非线性混合整数规划SMOTE算法是通过对SMOTE算法中的数据生成过程引入非线性混合整数规划，此外，在增强非线性混合整数规划SMOTE算法中采用自适应调整机制；步骤S3：构建特征提取模型，使用扩充数据对特征提取模型进行训练，得到训练好的特征提取模型，采用训练好的特征提取模型提取扩充数据的特征；所述特征提取模型采用涡动优化神经网络，该网络通过模拟涡旋的形成、演变和消散过程来优化自身参数；步骤S4：构建特征降维模型，使用扩充数据的特征对特征降维模型进行训练，得到训练好的特征降维模型；使用训练好的特征降维模型对扩充数据的特征进行降维，得到降维后的特征；所述特征降维模型采用基于张量分解与优化的自编码神经网络，此外采用动态优化机制，根据基于张量分解与优化的自编码神经网络训练过程中的误差反馈自适应调整编码和解码过程中的参数；步骤S5：构建分类器，使用降维后的特征对分类器进行训练，得到训练好的分类器；分类器采用基于协变量矩阵的极限学习机分类算法，该分类算法采用自适应机制动态调整协变量矩阵和极限学习机的参数；步骤S6：将训练好的特征提取模型、训练好的特征降维模型以及训练好的分类器应用于区块链存储。

全文数据：

权利要求：

百度查询： 国网江西省电力有限公司南昌供电分公司 国家电网有限公司 基于区块链的碳排放监测方法