Predicción de las emisiones de CO2 utilizando aprendizaje automático

El dióxido de carbono (CO2) contribuye significativamente al cambio climático como un gas de efecto invernadero. La atmósfera terrestre se mantiene de forma natural suficientemente caliente para soportar la vida gracias a los gases de efecto invernadero que atrapan el calor en la atmósfera. Sin embargo, la actividad humana ha aumentado significativamente la cantidad de CO2 en la atmósfera debido a la deforestación y el uso de combustibles fósiles. Una de las principales preocupaciones con la evolución humana que alimenta el cambio climático global es el dióxido de carbono (CO2). Se libera cuando se queman combustibles y, como resultado, las personas en todo el mundo están gradualmente tomando mayor conciencia de los problemas ambientales. La formulación de políticas efectivas requiere una investigación de los factores que influyen en las emisiones de CO2, sin embargo, los pequeños conjuntos de datos y las metodologías de investigación tradicionales han obstaculizado investigaciones anteriores. Esta investigación utiliza tres modelos de predicción para estimar la eficiencia de captura de CO2 entre las emisiones de CO2, el uso de energía y el PIB: Regresión Lineal Múltiple (MLR), Máquina de Soporte Vectorial (SVM) y Bosque Aleatorio (RF). Las técnicas de aprendizaje automático (ML) utilizadas en este trabajo han demostrado un rendimiento sólido con regresiones lineales múltiples, máquinas de soporte vectorial y modelos de bosque aleatorio con error absoluto medio (MAE), error porcentual absoluto medio (MAPE) y error cuadrático medio (RMSE). La investigación ha propuesto una técnica para aproximar las emisiones de CO2 y los resultados indican que la Máquina de Soporte Vectorial (SVM) puede alcanzar el mayor grado de precisión. El resultado podría ser un modelo útil para el sistema de apoyo a la decisión para mejorar un curso de acción apropiado para reducir las emisiones de CO2 en todo el mundo.