一种基于深度学习与贝叶斯融合的区域碳排放可信预测方法、系统、设备及介质

本发明公开了一种基于深度学习与贝叶斯融合的区域碳排放可信预测方法、系统、设备及介质，方法包括通过注意力加权机制对多维时序输入矩阵的各特征维度赋予权重，得到加权时序输入矩阵；将加权时序输入矩阵输入至预训练的深度学习模型进行非线性时序预测，输出初步碳排放预测均值和初步预测方差；采用贝叶斯后验推断方法对初步碳排放预测均值和初步预测方差进行后验更新，得到后验均值和后验协方差矩阵；通过后验协方差矩阵并结合时间连续性约束计算碳排放的置信区间。本发明通过深度学习与贝叶斯方法的融合架构，解决了现有预测方法难以捕捉非线性时序特征、未充分考虑特征贡献度差异以及缺乏预测不确定性量化评估的问题。