عنوان مقاله :
پيش بيني ميزان انتشار CO2 در ايران با استفاده از شاخصهاي مهم اقتصادي و استفاده از مدلهاي يادگيري عميق
عنوان به زبان ديگر :
Forecasting CO2 Emissions in Iran Using Important Economic Indicators and Using Deep Learning Models
پديد آورندگان :
نجاتي، مهدي دانشگاه شهيد باهنر - دانشكده مديريت و اقتصاد - گروه اقتصاد، كرمان، ايران , صادقي، زين العابدين دانشگاه شهيد باهنر - دانشكده مديريت و اقتصاد - گروه اقتصاد، كرمان، ايران , عرب پور، محمدعلي دانشگاه شهيد باهنر - دانشكده مديريت و اقتصاد - گروه اقتصاد، كرمان، ايران
كليدواژه :
پيش بيني انتشار CO2 , يادگيري عميق , شبكههاي عصبي مصنوعي , آلودگي هوا
چكيده فارسي :
افزايش انتشار گازهاي گلخانهاي در ساليان اخير باعث نگرانيهاي زيادي براي بسياري از جوامع و دوستداران محيطزيست شده است؛ يكي از اين گازهاي گلخانهاي مهم، دياكسيد كربن (CO2) ميباشد. در اين پژوهش با استفاده از متغيرها و شاخصهاي مهم اقتصادي و مجموعه دادههاي سري زماني سال 1970-2018 كه آنها را به 5 گروه مجزا به همراه يك گروه كل دادهها، تقسيم و به پيشبيني ميزان انتشار CO2 در ايران پرداخته شد. براي اين موضوع از مدلهاي يادگيري عميق زيرمجموعه يادگيري ماشين استفادهشده است. اين موضوع يك مسئله چند متغيره و يك مجموعه هدف بود كه مقدار انتشار CO2 براي 5 سال آينده (5 سال بعد از سال 2018) پيشبيني و در انتها براي راستي آزمايي پيشبينيها مقدار پيشبيني سالهاي 2019 و 2020 با CO2 واقعي اين سال ها مقايسه شد. نتايج بهدستآمده براي هر 6 گروه مورد آزمايش نشان ميدهد كه مقدار انتشار CO2 در ايران براي ساليان آينده يك روند صعودي را در پي خواهد داشت و براي سال 2023 مقدار انتشار CO2 به محدوده 850 الي 900 ميليون تن خواهد رسيد كه ميتواند يك فاجعه زيستمحيطي و خطري براي انسانها باشد. لذا پيشنهاد ميشود دولت از يك برنامه بلندمدت با تأكيد بر گروههاي مهم، فرهنگسازي در جامعه و وضع قوانين خاصتر براي كنترل مقدار انتشار CO2 استفاده نمايد.
چكيده لاتين :
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 longterm
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.
عنوان نشريه :
محيط زيست و توسعه فرابخشي