基于混合启发式优化的模型训练及碳排放数据填补方法

本申请提供了一种基于混合启发式优化的模型训练及碳排放数据填补方法。通过结合全局搜索策略与局部开发策略的混合启发式算法，并引入自适应交替机制动态调整两种策略的执行概率，解决了传统模型超参数选择依赖经验的问题。基于碳排放数据分布定义目标优化函数，确保优化方向与实际数据修复需求对齐；通过种群初始化将超参数组合转化为可迭代优化的个体，为算法提供搜索基础；自适应交替机制在迭代前期优先执行全局搜索以扩展解空间，后期侧重局部开发以精细调优，避免早熟收敛同时提升收敛精度；最终筛选获得最优超参数组合，以此克服了单一优化算法易陷入局部最优的缺陷，实现了低成本、高精度的碳排放数据填补模型构建。