Jun, 2023

气温变化对经济增长的长期影响：机器学习方法研究

PDF
TL;DR本研究运用机器学习技术，分析伯克利地球的全球陆地表面温度数据以及世界银行的 GDP 和人口数据，研究了温度变化对经济增长的长期影响，发现了平均温度和 GDP 增长之间的显著关系，进而指出了气候变化对经济发展的重要影响，并展示了机器学习在揭示气候与经济关系的复杂性研究中的实用性。
temperature variationseconomic growthmachine learningclimate factorseconomic planning
发现论文，激发创造
  • 气候变化对农业土地适宜性的影响：可解释的基于机器学习的亚欧案例研究

    通过机器学习方法预测气候变化对农业土地适宜性的风险，以应对全球范围内的粮食短缺和社会冲突。

    Oct, 2023

  • 推断土壤温度与归一化差异植被指数之间的关系

    研究发现，气候变化对植物的表型学有重要影响，尤其通过改变碳循环。本研究使用机器学习技术和 SHapley 加性解释（SHAP）值分析了土壤温度、气象变量与植被表型学的关系，结果表明土壤温度与季节开始和高峰有显著关联，而气象变量也对植被表型学的年际变化产生影响，为预测和管理亚北极草地的植被表型学特征提供了宝贵的洞察和基础。

    Dec, 2023

  • 估计全球气温波动趋势的算法

    本文提出使用极轨气象卫星的多分辨率气候数据来估计地球表面温度变化趋势的方法。通过开发两种专为密集网格观测设计的计算算法，我们评估了这些方法的性能，并计划跟踪云反射温度变化趋势。

    May, 2018

  • 冬季舒适度的时间变化的深度学习

    研究了机器学习模型在考虑昼夜节律和室外温度等时间因素时在预测室内热舒适时的分类性能和预测准确度方面的影响，并通过采集 5 所学校 14 个教室共 512 个小学生的数据，展示了时间和空间上的多种温度数据对预测室内热舒适性的重要性。

    Aug, 2022

  • 长期历史需求数据的重建

    通过开发机器和深度学习的 “后向预测” 模型，重建多十年需求记录，研究温度的自然变化以及其对需求的影响，以更好地支持电力系统技术和政策的发展过程。

    Sep, 2022

  • 递归深度学习框架用于预测未来十年的世界经济展望

    本研究采用深度学习方法，通过比较多种深度学习模型（LSTM, BD-LSTM, ED-LSTM 和 CNN）及传统时间序列模型（ARIMA,VAR）预测未来十年全球经济的 GDP 增长率，预测结果显示中国、法国和印度的 GDP 将会保持稳定或增长，而其他大多数发达国家和新兴市场经济体的经济增长将会放缓、停滞甚至衰退。其中，ED-LSTM 模型预测效果最佳。

    Jan, 2023

  • 机器学习与经济预测：国际贸易网络的作用

    本研究研究了反全球化趋势对国际贸易网络的影响以及它们在提高经济增长预测方面所起的作用。通过使用 2010 年至 2022 年来自近 200 个国家的部门级贸易数据，我们确定了由不断上升的贸易政策不确定性所推动的网络拓扑结构的显著变化。我们的分析突出了重要的全球参与者，通过中心性排名，美国、中国和德国一直保持着持续的主导地位。使用一系列有监督回归模型的竞赛，我们发现从部门特定贸易网络中评估的网络拓扑描述符极大地提高了国家 GDP 增长预测的质量。我们还发现非线性模型，如随机森林 (Random Forest)、XGBoost 和 LightGBM，优于经济文献中使用的传统线性模型。使用 SHAP 值解释这些非线性模型的预测时，我们发现大约一半的最重要特征源于网络描述符，强调了它们在改进预测中的重要作用。此外，本研究强调了近期经济表现、人口增长和初级产业的影响在塑造经济增长预测中的意义，为经济增长预测的复杂性提供了新的见解。

    Apr, 2024

  • 宏观经济政策的影响揭示：分析利率对金融市场影响的双机器学习方法

    该研究通过结合机器学习技术和因果推断，考察了宏观经济政策对金融市场的影响。重点关注美联储调整利率对固定收益和股权基金回报的影响，并对主动和被动管理的基金进行了区分。结果显示，梯度提升是预测基金回报的有用工具，例如，利率上升 1％导致主动管理基金回报下降 - 11.97％。这一对利率和基金表现之间的关系的理解为进一步研究提供了机会，并为基金经理和投资者提供了富有洞察力和数据驱动的建议。

    Mar, 2024

  • 应用排序技术估计地球变量对温度预报误差的影响

    该研究揭示了地球系统变量对温度预测误差的影响，并提出了一种基于排名的方法来分析变量之间的相关性。研究结果表明，这种基于排名的方法在不同地点和季节的情况下表现出了良好的性能。

    Mar, 2024

  • 利用机器学习预测四个商业周期阶段：美国和欧元区的案例研究

    研究了机器学习模型在自动分析经济状态方面的能力，以预测美国和欧元区的商业周期阶段，结果表明 MLR 取得了最佳结果，并可准确预测商业周期，对经济和金融领域决策具有帮助。

    May, 2024