机构名称：
¥ 1.0
Kanyarat Bussaban 1*，Kunyanuth Kularbphettong 1，Nareenart Raksuntorn 1，Chongrag Boonseng 2 1 1 1 1 1 1 1 1 Suan Sunandha Rajabhat University，Thailand，Suan Sunandha Rajabhat University； kanyarat.bu@ssru.ac.th（K.B.），kunyanuth.ku@ssru.ac.th（K.K.），nareenart.ra@ssru.ac.th（n.r。）2工程学院，国王蒙库特理工学院Ladkrabang，曼谷，泰国； chongrag.bo@kmitl.ac.th（C.B.）摘要：二氧化碳（CO 2）作为温室气体对气候变化的贡献显着贡献。地球的大气层自然保持温暖，足以通过在大气中捕获热量的温室气体来维持生命。然而，由于森林砍伐和使用化石燃料的使用，人类活动已大大增加了大气中的二氧化碳量。人类进化的关键关注之一是燃料全球气候变化是二氧化碳（CO 2）。它随着燃料燃烧而发布，因此，全世界的人们逐渐变得越来越意识到环境问题。有效的政策制定需要对影响CO 2排放的因素进行调查，但是微小的数据集和传统的研究方法已经阻碍了先前的研究。这项研究使用三个预测模型来估计CO 2排放，能源使用和GDP之间的CO 2陷阱效率：多线性回归（MLR），支持向量机（SVM）和随机森林（RF）。调查提出了一种用于近似CO 2排放的技术，结果表明支持向量机（SVM）可以达到最高的精度。1。简介这项工作中使用的机器学习（ML）技术证明了具有多个线性回归，支持向量机和具有平均绝对误差的随机森林模型（MAE），平均绝对百分比误差（MAPE）和根平方误差（RMSE）。结果可能是决策支持系统的有用模型，以增强在全球范围内减少CO 2排放的适当行动。关键字：二氧化碳（CO 2），CO 2排放，多个线性回归，随机森林，支持向量机。
使用机器学习对CO2排放的预测
主要关键词
相关文件推荐
