|
|
پیشبینی میزان انتشار co2 در ایران با استفاده از شاخصهای مهم اقتصادی و استفاده از مدلهای یادگیری عمیق
|
|
|
|
|
نویسنده
|
نجاتی مهدی ,صادقی زین العابدین ,عرب پور محمد علی
|
منبع
|
محيط زيست و توسعه فرابخشي - 1401 - دوره : 7 - شماره : 75 - صفحه:1 -17
|
چکیده
|
افزایش انتشار گازهای گلخانهای در سالیان اخیر باعث نگرانیهای زیادی برای بسیاری از جوامع و دوستداران محیطزیست شده است؛ یکی از این گازهای گلخانهای مهم، دیاکسید کربن (co2) میباشد. در این پژوهش با استفاده از متغیرها و شاخصهای مهم اقتصادی و مجموعه دادههای سری زمانی سال 1970-2018 که آنها را به 5 گروه مجزا به همراه یک گروه کل دادهها، تقسیم و به پیشبینی میزان انتشار co2 در ایران پرداخته شد. برای این موضوع از مدلهای یادگیری عمیق زیرمجموعه یادگیری ماشین استفادهشده است. این موضوع یک مسئله چند متغیره و یک مجموعه هدف بود که مقدار انتشار co2 برای 5 سال آینده (5 سال بعد از سال 2018) پیشبینی و در انتها برای راستی آزمایی پیشبینیها مقدار پیشبینی سالهای 2019 و 2020 با co2 واقعی این سال ها مقایسه شد. نتایج بهدستآمده برای هر 6 گروه مورد آزمایش نشان میدهد که مقدار انتشار co2 در ایران برای سالیان آینده یک روند صعودی را در پی خواهد داشت و برای سال 2023 مقدار انتشار co2 به محدوده 850 الی 900 میلیون تن خواهد رسید که میتواند یک فاجعه زیستمحیطی و خطری برای انسانها باشد. لذا پیشنهاد میشود دولت از یک برنامه بلندمدت با تاکید بر گروههای مهم، فرهنگسازی در جامعه و وضع قوانین خاصتر برای کنترل مقدار انتشار co2 استفاده نماید.
|
کلیدواژه
|
پیشبینی انتشار co2، یادگیری عمیق، شبکههای عصبی مصنوعی، آلودگی هوا
|
آدرس
|
دانشگاه شهید باهنر, دانشکده مدیریت و اقتصاد, گروه اقتصاد, ایران, دانشگاه شهید باهنر, دانشکده مدیریت و اقتصاد, گروه اقتصاد, ایران, دانشگاه شهید باهنر, دانشکده مدیریت و اقتصاد, گروه اقتصاد, ایران
|
پست الکترونیکی
|
arabpour47@gmail.com
|
|
|
|
|
|
|
|
|
forecasting co2 emissions in iran using important economic indicators and using deep learning models
|
|
|
Authors
|
nejati mehdi ,sadeghi zein al-abedin ,arabpour mohammad ali
|
Abstract
|
the increase in greenhouse gas emissions in recent years has caused great concern to many communities and environmentalists; one of these important greenhouse gases is carbon dioxide (co2). in this study, using important economic variables and indicators and time series data series of 1970-2018, which were divided into 5 separate groups with a set of data, and predicted the amount of co2 emissions in iran. for this subject, deep learning models of machine learning subset have been used. it was a multivariate issue and a set of objectives that predicted the amount of co2 emissions for the next 5 years (5 years after 2018) and finally compared the forecasts for 2019 and 2020 with the actual co2 of these years to verify the forecasts. the results obtained for all 6 experimental groups show that the amount of co2 emissions in iran will follow an upward trend in the coming years and by 2023 the amount of co2 emissions will reach 850 to 900 million tons, which could be an environmental and dangerous disaster. be for humans. therefore, it is suggested that the government use a long-term plan with emphasis on important groups, culture building in the community and the establishment of more specific laws to control the amount of co2 emissions.
|
Keywords
|
co2 emission forecasting ,deep learning ,artificial neural networks ,air pollution
|
|
|
|
|
|
|
|
|
|
|