پیش بینی میزان انتشار CO۲ در ایران با استفاده از شاخص های مهم اقتصادی و استفاده از مدل های یادگیری عمیق

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 161

This Paper With 17 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ENVJ-7-75_001

تاریخ نمایه سازی: 28 خرداد 1401

Abstract:

افزایش انتشار گازهای گلخانه ای در سالیان اخیر باعث نگرانی های زیادی برای بسیاری از جوامع و دوستداران محیط زیست شده است؛ یکی از این گازهای گلخانه ای مهم، دی اکسید کربن (CO۲) می باشد. در این پژوهش با استفاده از متغیرها و شاخص های مهم اقتصادی و مجموعه داده های سری زمانی سال ۱۹۷۰-۲۰۱۸ که آن ها را به ۵ گروه مجزا به همراه یک گروه کل داده ها، تقسیم و به پیش بینی میزان انتشار CO۲ در ایران پرداخته شد. برای این موضوع از مدل های یادگیری عمیق زیرمجموعه یادگیری ماشین استفاده شده است. این موضوع یک مسئله چند متغیره و یک مجموعه هدف بود که مقدار انتشار CO۲ برای ۵ سال آینده (۵ سال بعد از سال ۲۰۱۸) پیش بینی و در انتها برای راستی آزمایی پیش بینی ها مقدار پیش بینی سال های ۲۰۱۹ و ۲۰۲۰ با CO۲ واقعی این سال ها مقایسه شد. نتایج به دست آمده برای هر ۶ گروه مورد آزمایش نشان می دهد که مقدار انتشار CO۲ در ایران برای سالیان آینده یک روند صعودی را در پی خواهد داشت و برای سال ۲۰۲۳ مقدار انتشار CO۲ به محدوده ۸۵۰ الی ۹۰۰ میلیون تن خواهد رسید که می تواند یک فاجعه زیست محیطی و خطری برای انسان ها باشد. لذا پیشنهاد می شود دولت از یک برنامه بلندمدت با تاکید بر گروه های مهم، فرهنگ سازی در جامعه و وضع قوانین خاص تر برای کنترل مقدار انتشار CO۲ استفاده نماید.

Keywords:

پیش بینی انتشار CO۲ , یادگیری عمیق , شبکه های عصبی مصنوعی , آلودگی هوا

Authors

مهدی نجاتی

گروه اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه شهید باهنر، کرمان

زین العابدین صادقی

گروه اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه شهید باهنر، کرمان

محمد علی عرب پور

گروه اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه شهید باهنر، کرمان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Baloch, M. A., Khan, S. U. D., Ulucak, Z. Ş. ...
  • Bamisile, O., Obiora, S., Huang, Q., Yimen, N., Idriss, I. ...
  • Cai, Y., Sam, C.Y. & Chang, T. ۲۰۱۸. Nexus between ...
  • Cheikh, N.B., Zaied Y.B. & Chevallier, J. ۲۰۲۱. On the ...
  • Cho, K., Van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, ...
  • Chong, C.H., Tan, W.X., Ting, Z.J. Liu, P., Ma, L., ...
  • Dai, S., Niu, D. & Han, Y. ۲۰۱۸. Forecasting of ...
  • de Souza Mendonca, A.K., Barni, G.D. A.C., Moro, M.F., Bornia, ...
  • Dechter, R. ۱۹۸۶. Learning while searching in constraint-satisfaction problems ...
  • Gifford, R. ۱۹۹۲. Interaction of carbon dioxide with growth-limiting environmental ...
  • Hdom, H.A. & Fuinhas, J.A. ۲۰۲۰. Energy production and trade ...
  • Hochreiter, S. Schmidhuber, J. ۱۹۹۷. “Long Short-Term Memory”. Neural Computation, ...
  • Hochreiter, S., Bengio, Y., Frasconi, P. & Schmidhuber, J. ۲۰۰۱. ...
  • Hoffmann, C. ۲۰۲۰. A power development planning for vietnam under ...
  • Hong, C., Zhang, Q., Zhang, Y., Davis, S.J., Tong, D., ...
  • Hosseini, S.M., Saifoddin, A., Shirmohammadi, R. & Aslani, A. ۲۰۱۹. ...
  • Hu, M., Li, R., You, W., Liu, Y. & Lee, ...
  • Hubel, D. & Wiesel. T. ۲۰۲۰. ۸. Receptive fields of ...
  • Ivakhnenko, A.G.E., Ivakhnenko, A.G., Lapa, V.G.E. & Lapa., V.G.E. ۱۹۶۷. ...
  • Kang, M., Zhao, W., Jia, L. & Liu, Y. ۲۰۲۰. ...
  • Le, T.H., Le, H.C. & Taghizadeh-Hesary, F. ۲۰۲۰. Does financial ...
  • Li, G., Zakari, A. & Tawiah, V. ۲۰۲۰. Energy resource ...
  • Liu, Q., Wang, S., Zhang, W., Li, J. & Kong, ...
  • Mikayilov, J.I., Galeotti, M. & Hasanov, F.J. ۲۰۱۸. The impact ...
  • Mohmmed, A., Li, Z., Arowolo, A.O., Su, H., Deng, X., ...
  • Muhammad, B. ۲۰۱۹. Energy consumption, CO۲ emissions and economic growth ...
  • Pata, U.K. ۲۰۱۸. Renewable energy consumption, urbanization, financial development, income ...
  • Pluhar, Z.F., Piko, B.F., Kovacs, S. & Uzzoli, A. ۲۰۰۹. ...
  • Romer, P.M. ۱۹۹۰. Endogenous technological change. Journal of Political Economy ...
  • Rumethart, D. ۱۹۸۶. Learning representations by back-propagating errors. Nature, ۳۲۳, ...
  • Russell, S. & Norvig, P. ۲۰۰۲. Artificial intelligence: a modern ...
  • Salahuddin, M., Alam, K., Ozturk, I. & Sohag, K. ۲۰۱۸. ...
  • Samuel, A.L. ۱۹۵۹. Some studies in machine learning using the ...
  • Shahbaz, M., Solarin, S.A., Mahmood, H. & Arouri, M. ۲۰۱۳. ...
  • Taylor, G.W. & Hinton, G.E. ۲۰۰۹. Factored conditional restricted Boltzmann ...
  • Wang, R., Mirza, N., Vasbieva, D.G., Abbas, Q. & Xiong, ...
  • Wasserman, P.D. & Schwartz, T. ۱۹۸۸. Neural networks. II. What ...
  • Wilson, A.M., Salloway, J.C., Wake, C.P. & Kelly, T. ۲۰۰۴. ...
  • Xia, F., Zhang, X., Cai, T., Wu, S. & Zhao, ...
  • Xie, X., Weng, Y. & Cai, W. ۲۰۱۸. Co-benefits of ...
  • Zubair, A.O., Samad A.R.A. & Dankumo, A.M. ۲۰۲۰. Does gross ...
  • نمایش کامل مراجع