基于迁移学习利用CO2排放数据集的GDP预测新方法
信号处理
2020-06-28 v1 机器学习
摘要
在过去150年中，大气中的CO2浓度从280 ppm上升至400 ppm。由于温室效应，全球平均气温升高了近0.7摄氏度。然而，最繁荣的国家是温室气体(特别是CO2)的最大排放者。这表明气体排放与各国国内生产总值(GDP)之间存在强关系。由于该关系依赖于技术进步以及不断变化的国内外监管政策与关系，其具有高度波动和非线性特征。为分析此类高度非线性关系，软计算技术颇为有效，因其能在不显式了解内部系统功能的情况下，对多变量参数给出紧凑解。本文报道一种基于迁移学习的GDP预测新方法，我们称之为面向GDP预测的域适应迁移学习。在所提方法中，利用基于任一发达或发展中经济体数据训练的模型，通过其CO2排放预测不同国家的人均GDP。考虑广义回归神经网络、极限学习机和支持向量回归三种知名回归方法，对结果进行比较展示。随后利用所提方法可靠估计部分饱受战争与孤立国家缺失的人均GDP。
引用
@article{arxiv.2005.02856,
title = {A Novel GDP Prediction Technique based on Transfer Learning using CO2 Emission Dataset},
author = {Sandeep Kumar and Pranab K. Muhuri},
journal= {arXiv preprint arXiv:2005.02856},
year = {2020}
}