相关实验视频
Updated: Jul 13, 2025

Using Generative Art to Convey Past and Future Climate Transitions
Published on: March 31, 2023
通过全球geoAI-ML代理数据集,MUSE-RASA捕捉了气候-能源-经济模型中的人类维度
Diego Moya1,2,3, Dennis Copara4, Alexis Olivo4,5
1Technology Outlook and Strategy, Technology Strategy and Planning Department, Saudi Aramco, Dhahran, 34465, Saudi Arabia. d.moya17@imperial.ac.uk.
这项研究引入了一种新的地理空间人工智能-机器学习 (geoAI-ML) 方法,用于在气候-能源-经济系统中建模人类行为. 该框架通过将现实的消费者决策纳入净零途径来增强气候模型.
科学领域:
- 地理空间的人工智能 (geoAI)
- 机器学习 (ML) 是指机器学习.
- 基于代理的建模 (ABM)
- 气候-能源-经济系统
背景情况:
- 传统的气候-能源-经济模型往往缺乏详细的人类行为组成部分.
- 捕捉消费者行为和有限的理性对于准确的长期过渡途径分析至关重要.
- 将地理空间数据与基于代理的模型集成,提供了更现实的方法.
研究的目的:
- 开发一个数据驱动,技术丰富的框架,将人类维度纳入气候-能源-经济模型.
- 为改进模型参数化创建特征代理的地理空间数据集.
- 通过使用新型模拟环境,探索长期向净零排放目标过渡的途径.
主要方法:
- 一种结合地理空间人工智能机器学习 (geoAI-ML) 和基于代理的建模 (ABM) 的方法.
- 开发13个数据集,以描述全球28个地区的地理空间代理.
- 模块化能源系统模拟环境 (MUSE) 与住宅空间分辨率和时间显式代理 (RASA) 模型的应用.
主要成果:
- 成功描述和参数化异构的地理空间代理.
- 使用基于AI-ML的地理空间大数据分析来定义八种不同的场景.
- 探索长期过渡途径,实现本世纪中叶净零排放目标.
结论:
- 开发的框架和数据集使气候-能源-经济模型中更现实的决策过程成为可能.
- 这种方法将能源经济主体视为不断变化的多样化实体,受外部约束的影响.
- 该方法促进了GIS-ABM的整合,以及有限理性的理论和真正的竞争.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
相关概念视频
Global Climate Change
Levels of Use of a GIS
Energy Budgets
Selected Data About Geographic Locations
What is Climate?
Energy Diagrams - II
The point in the energy diagram at which the system’s potential energy is the lowest is known as the local minima. The system tends to stay in this position indefinitely unless acted upon by a net force. The slope of the potential energy diagram at the local minima is zero, indicating that zero net force is acting on the system. The...