基于神经常微分方程的 Kaya 恒等式碳排放预测
机器学习
2022-01-10 v1
摘要
从 Kaya 恒等式出发，我们使用神经常微分方程（Neural ODE）模型在国家层面预测与碳排放相关的若干指标：人口、人均 GDP、GDP 能源强度、能源碳强度。我们将该模型与基线统计模型 VAR 进行比较，获得了良好的性能。我们得出结论，这种机器学习方法可用于产生广泛的结果，并为政策制定者提供相关洞见。
引用
@article{arxiv.2201.02433,
title = {Forecasting emissions through Kaya identity using Neural Ordinary Differential Equations},
author = {Pierre Browne and Aranildo Lima and Rossella Arcucci and César Quilodrán-Casas},
journal= {arXiv preprint arXiv:2201.02433},
year = {2022}
}
备注
5 pages, 2 figures, Tackling Climate Change with Machine Learning workshop at ICML 2021