2024 年 11 月，四川省公路规划勘察设计研究院有限公司向国家知识产权局申请了一项名为 “高速公路建设项目碳排放量预测方法、系统以及电子设备” 的专利，公开号为 CN 119067267 A，这一专利成果在高速公路建设领域碳排放预测方面展现出了创新性与应用潜力。
该专利所提出的碳排放量预测方法，有着一套严谨且科学的流程。首先，其依托高速公路项目信息来收集碳排放相关数据，这意味着要从项目规划、设计、施工等各个环节挖掘诸如材料用量、施工机械使用情况、能源消耗等多维度的数据资料。而对所得数据进行预处理这一步骤也极为关键，它能够去除数据中的噪声、异常值等，保证后续分析的数据质量，为精准预测筑牢基础。
接着，运用数据分析手段，从海量数据里精心筛选出与碳排放密切相关的特征，像是建筑材料的碳排放因子、施工设备的能耗指标等，并对这些特征实施归一化处理，使得不同量级的数据能在同一标准下参与后续运算，增强模型的稳定性与准确性。
随后，把整理好的数据集合理划分为训练集及测试集，训练集被用于模型训练处理，让模型学习数据中的规律和模式，从而构建起能够反映碳排放内在关联的模型架构。而测试集则发挥着对模型评估测试的重要作用，通过将其输入到训练好的模型中，观察模型输出结果与实际情况的契合度，以此衡量模型的性能优劣。
特别值得一提的是，此方法采用 SVM 机器学习算法进行碳排放量建模，在训练过程中，通过最小化目标函数，去求解得出最优分离平面，旨在让模型能够以最佳状态对不同样本的碳排放情况进行区分和预测。之后，再使用测试集对训练后的模型进行评估处理，详细计算模型在新样本下的性能指标，依据这些指标数据对模型进行针对性优化，比如调整参数、改进算法等，进一步提升模型的精准度和可靠性。
最终，基于经过训练评估后的模型，便可以对新的高速公路建设项目样本数据进行碳排放预测，凭借模型的决策函数得出相应的预测结果。这一结果能够为高速公路建设项目提前规划减排策略、合理配置资源、科学控制碳排放等方面提供极具价值的参考依据，有助于推动高速公路建设朝着低碳、环保的方向迈进，在交通基础设施建设与碳减排协同发展方面有着积极且重要的意义。
