利用机器学习估算能源转型的空气质量协同效益
综合经济学
2021-06-01 v1 机器学习
经济学
摘要
估算因空气质量改善而减少化石燃料使用所带来的健康效益，为碳减排提供了重要依据。模拟污染浓度是该估算的关键步骤，但传统方法往往依赖复杂的化学传输模型，需要大量专业知识和计算资源。在本研究中，我们开发了一种新颖而简洁的机器学习框架，能够直接基于高分辨率化石能源使用数据集，提供精确且稳健的细颗粒物（PM2.5）年均浓度估算。该框架的可获取性与适用性显示出机器学习方法在综合评估研究中的巨大潜力。将该框架应用于中国数据表明，中国不同部门和地区减少化石燃料使用的健康效益高度异质，均值为 34 美元/tCO2，标准差为 84 美元/tCO2。减少农村与居民用煤提供的协同效益最高，均值为 360 美元/tCO2。我们的发现促使人们在向碳中和能源系统转型过程中进行审慎的政策设计，以最大化成本效益。
引用
@article{arxiv.2105.14318,
title = {Estimating air quality co-benefits of energy transition using machine learning},
author = {Da Zhang and Qingyi Wang and Shaojie Song and Simiao Chen and Mingwei Li and Lu Shen and Siqi Zheng and Bofeng Cai and Shenhao Wang},
journal= {arXiv preprint arXiv:2105.14318},
year = {2021}
}