Skip to main content

Verwendung von maschinellem Lernen zur Vorhersage der Auswirkungen von nicht erneuerbaren Energiequellen auf den Klimawandel in Indien

  • Chapter
  • First Online:
Auf dem Weg zu Netto-Null-Zielen
  • 151 Accesses

Zusammenfassung

Kapitel 5 versucht, Trends in der durchschnittlichen Landtemperatur aufgrund von CO2-Emissionen aus nicht erneuerbaren Energiequellen wie „Kohle“, „Öl“, „Erdgas“ und „Abfackelung“ vorherzusagen. Das Kapitel veranschaulicht den schrittweisen Prozess der Zeitreihenanalyse, der zur Vorhersage von Temperaturwerten verwendet wird. Vorhersagen mithilfe eines maschinellen Lernmodells zeigen, dass, wenn keine signifikanten und sofortigen Maßnahmen umgesetzt werden, die Emissionen aus diesen Energiequellen bei der aktuellen Rate von Verbrauch und Produktion in naher Zukunft weiter steigen werden. Die Ergebnisse deuten darauf hin, dass die durchschnittliche Landtemperatur in Indien in den kommenden Jahren voraussichtlich um 0,2 °C steigen wird.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 99.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 129.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. Plotly Express in Python, Plotly (2022). Retrieved from https://plotly.com/python/plotly-express/

  2. Hyndman RJ,  Athanasopoulos G (2018) Forecasting: principles and practice, 2. Aufl. OTexts, Melbourne, Australia. https://OTexts.com/fpp2

  3. Hyndman RJ (2020) The ARIMAX Model Muddle. https://robjhyndman.com/hyndsight/arimax/

  4. Generation of thermal power from raw coal. Ministry of Coal, Government of India (2022). https://coal.nic.in/en/major-statistics/generation-of-thermal-power-from-raw-coal

  5. Mukharji A (2021) Why India is on the brink of an unprecedented power crisis. BBC News. https://www.bbc.com/news/business-58824804

  6. Energy Statistics 2021 (2021) Ministry of Statistics and Program Implementation, Government of India. https://www.mospi.gov.in/documents/213904/957047//Energy%20Statistics%20India%2020211624444186470.pdf/4012db31-691f-df9c-2cac-cd073efa1346

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Neha Sharma .

Rights and permissions

Reprints and permissions

Copyright information

© 2024 Der/die Autor(en), exklusiv lizenziert an Springer Nature Singapore Pte Ltd.

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Sharma, N., De, P.K. (2024). Verwendung von maschinellem Lernen zur Vorhersage der Auswirkungen von nicht erneuerbaren Energiequellen auf den Klimawandel in Indien. In: Auf dem Weg zu Netto-Null-Zielen. Springer Vieweg, Singapore. https://doi.org/10.1007/978-981-97-0335-7_5

Download citation

Publish with us

Policies and ethics