非参数方法分析碳排放：统计学和机器学习视角下的研究
摘要：统计学和机器学习中的非参数方法在建模碳排放数据方面具有广泛的应用。本文通过比较核回归、随机森林和神经网络等不同的非参数方法，对中国十个城市2005年至2019年的碳排放数据进行了建模研究。研究发现，神经网络在拟合和预测准确度上表现最好，这表明其能够表达碳排放与影响因素之间的复杂关系。本研究为碳排放研究提供了一种新的定量建模方法，有助于了解城市碳排放的特征，并提出“碳减排”政策建议。此外，本文还以芜湖市的碳排放数据为例，说明了如何利用这种新方法。
作者：Yiming Ma, Hang Liu and Shanyong Wang
论文ID：2303.14900
分类：Applications
分类简称：stat.AP
提交时间：2023-03-28