沙特阿拉伯可再生能源与非可再生能源使用中二氧化碳排放的可解释神经网络预测

《Scientific Reports》：Interpretable neural network forecasting of CO? emissions from renewable and non-renewable energy use in Saudi Arabia

　　

摘要

能源密集型经济体需要精确预测与能源使用相关的 CO? 排放量，以便为可持续性做好充分准备。本研究旨在利用人工神经网络 (ANNs) 开发一个精确的预测框架，用于对沙特阿拉伯的 CO₂ 排放量进行建模。编制并标准化了一个全面的全国数据集，涵盖了多年的可再生能源和非可再生能源消耗以及主要环境指标。为了训练和测试所提出的 ANN 模型，采用了结构化的训练 - 验证 - 测试协议。同样，所提出的模型与线性回归和支持向量回归等标准基线模型进行了比较。研究结果表明，所提出的 ANN 模型在所有评估标准上始终优于基线技术，表现出预测误差降低和解释力增强。此外，利用 SHapley 加性解释 (SHAP) 量化了每个输入变量对模型输出的贡献，以提高透明度。这使得对结果的理解既涵盖局部也涵盖全局。因此，本研究提供了一个可解释的神经网络框架，用于能源 - 环境建模，结合了可解释性和准确预测。通过识别排放的主要原因并实现对国家脱碳计划的数据驱动监督，研究结果为能源政策制定者和可持续性规划者提供了有用的信息。