ПРОГНОЗИРОВАНИЕ ВЫБРОСОВ ПАРНИКОВЫХ ГАЗОВ В ПРОМЫШЛЕННОМ ПРОИЗВОДСТВЕ РЕСПУБЛИКИ КАЗАХСТАН

Чрезмерные выбросы парниковых газов (ПГ) являются экологической проблемой. Исследования по определению экономически эффективных способов сокращения выбросов парниковых газов выявили необходимость моделирования динамики выбросов углекислого газа, закиси азота, метана и других газов. В данном исследовании был проведен расчет выбросов CO2 в эквиваленте от промышленных процессов и производства на территории Республики Казахстан. При прогнозировании использовались данные, предоставленные Рамочной конвенцией ООН об изменении климата.

Для прогнозирования выбросов CO2 от промышленного производства использовались инструменты анализа и прогнозирования временных рядов: метод Prophet, кластерный анализ временных рядов k-средних, современные версии алгоритмов ARIMA, методы экспоненциального сглаживания и линейной регрессии. В этом исследовании представлены результаты сравнительного моделирования временных рядов, основанные на базовом сценарии, который не предусматривает никаких действий до 2045 года. В этом исследовании сравниваются четыре модели, чтобы предложить наиболее эффективную модель для прогнозирования выбросов CO2 в будущем. Сравнение точности проводится с использованием различных мер погрешности, при этом в качестве метрики для сравнения выбрана средняя абсолютная процентная ошибка (MAPE).

1. Framework Convention of Organizations Arises Out of Climate Consumption (UNFCCC), 1994. – URL: https://di.unfccc.int/detailed_data_by_party

2. F. Petitjean, A. Ketterlin & P. Gancarski. A global averaging method for dynamic time warping, with applications to clustering. Pattern Recognition, Elsevier, 2011.

3. M. Cuturi, M. Blondel “Soft-DTW: a Differentiable Loss Function for Time-Series,” ICML 2017.

4. Singh, P.K.; Pandey, A.K.; Ahuja, S. Multiple forecasting approach: A prediction of CO2 emission from the paddy crop in India. Environ. Sci. Pollut. Res. Vol. 2022.

5. Demir, A.S. Modeling and forecasting of CO2 emissions resulting from air transport with genetic algorithms: The United Kingdom case. Theor. Appl. Climatol. 2022.

6. Ahn, K.U.; Kim, D.W.; Cho, K.; Cho, D.; Cho, H.M.; Chae, C.U. Hybrid Model for Forecasting Indoor CO2 Concentration. Buildings 2022.

7. Chang, C.L.; Ilomäki, J.; Laurila, H.; McAleer, M. Causality between CO2 emissions and stock markets. Energies 2020.

8. Libao, Y.; Tingting, Y.; Jielian, Z.; Guicai, L; Yanfen, L.; Xiaoqian, M. Prediction of CO2 Emissions Based on Multiple Linear Regression Analysis. Energy Procedia 2017.

9. Box, G. A Very British Affair Box and Jenkins: Time series analysis, forecasting and control. In A Very British Affair; Palgrave Macmillan: London, UK, 2016.