基于机器学习的多因素分析国家碳氧化物排放
机器学习
2025-03-21 v1
摘要
本文提出了一项综合性研究，利用支持向量机回归（SVM regression）和主成分回归（Principal Component Regression, PCR）来分析包含62个国家及其特定国家参数依赖关系的全球碳氧化物排放数据集。旨在理解贡献于碳氧化物排放的因素，并识别最具预测性的元素。该分析提供了国家特定的排放估计，凸显了不同国家的轨迹，并指出了气候变化减缓、可持续发展以及日益增长的碳信用市场和绿色金融部门的特定干预领域。该研究旨在通过准确的碳氧化物排放表征，为政策制定提供支持，为制定有效的应对气候变化的策略提供细致信息，同时为碳交易和环境可持续投资的倡议提供信息。
引用
@article{arxiv.2503.15574,
title = {Machine Learning Techniques for Multifactor Analysis of National Carbon Dioxide Emissions},
author = {Wenjia Xie and Jinhui Li and Kai Zong and Luis Seco},
journal= {arXiv preprint arXiv:2503.15574},
year = {2025}
}