Predicción de las emisiones de CO2 en Irak mediante ARIMAX y redes neuronales artificiales: un enfoque de modelado...

Área de la Ciencia:

• Ciencias Ambientales
• Modelado Climático
• Ciencia de Datos

Sus antecedentes:

• El cambio climático, impulsado por las emisiones de gases de efecto invernadero como el dióxido de carbono (CO2), requiere un pronóstico preciso de las emisiones para estrategias de mitigación efectivas.
• El pronóstico de las emisiones de CO2 en Irak, una región significativamente afectada por el cambio climático, es vital para el desarrollo de políticas regionales.
• Los modelos tradicionales de series temporales a menudo luchan con la dinámica compleja y no lineal inherente a los datos climáticos y de emisiones.

Objetivo del estudio:

• Desarrollar y evaluar modelos avanzados para pronosticar las emisiones de CO2 en Irak.
• Incorporar variables climáticas (temperatura, precipitación) para mejorar la precisión de las predicciones de emisiones de CO2.
• Comparar el rendimiento de los modelos de aprendizaje automático tradicionales y avanzados en la predicción de emisiones de CO2.

Principales métodos:

• Se utilizaron datos históricos de emisiones de CO2 para Irak de 1937 a 2023.
• Se emplearon múltiples modelos de pronóstico: Autoregressive Integrated Moving Average with eXogenous variables (ARIMAX), Redes Neuronales de Retroalimentación (FNN), Redes Neuronales Recurrentes (RNN) y un modelo híbrido FNN-RNN.
• Se incorporaron la temperatura y la precipitación como variables exógenas para mejorar la precisión del modelo.

Principales resultados:

• El modelo híbrido FNN-RNN demostró un rendimiento superior al ARIMAX, FNN y RNN, como lo demuestran las métricas clave (R², MSE, RMSE, MAE).
• El modelo híbrido exhibió una convergencia estable de la pérdida de entrenamiento y validación, lo que indica una buena generalización sin sobreajuste.
• Las previsiones predicen un aumento sustancial del 9,18 % en las emisiones de CO2 de Irak entre 2024 y 2028, alcanzando su punto máximo en 2028.

Conclusiones:

• El modelo híbrido FNN-RNN ofrece un enfoque robusto y preciso para pronosticar las emisiones de CO2, superando a los métodos tradicionales.
• La incorporación de variables climáticas mejora significativamente la precisión predictiva de las emisiones de CO2.
• Los hallazgos proporcionan datos críticos para que los responsables de la formulación de políticas diseñen estrategias específicas de control de emisiones en Irak y fundamenten la investigación futura sobre factores socioeconómicos.