رویکرد یادگیری ماشینی در پیش بینی رابطه بین منابع انرژی و توسعه اقتصادی

رابطه بین منابع انرژی و توسعه اقتصادی یکی از عناوین مورد توجه است. انگیزه برای تحقیق در این حوزه، با توجه به نگرانی‌های معاصر در رابطه با تغییرات اقلیمی، انتشار کربن و نوسان قیمت نفت خام و ایمنی منابع انرژی بیشتر شده است. هدف این تحقیق توسعه و اجرای رویکرد یادگیری ماشینی به منظور پیش بینی تولید خالص داخلی (GDP) بر اساس ترکیب منابع انرژی است. نتایج ما نشان می‌دهد که دقت پیش بینی GDP تا حدودی با اجرای رویکرد یادگیری ماشینی بهبود می‌یابد.

انرژی برای کلیه فعالیت‌های اجتماعی ضروری است. عدم دسترسی به منابع انرژی قابل اعتماد، مقرون به صرفه و مدرن، بر توسعه اقتصادی و اجتماعی بسیاری از بخش‌های جهان محدودیت ایجاد کرده است. در سه دهه اخیر، تاثیر مصرف انرژی بر رشد اقتصادی، هم در سطح داخلی و هم بین المللی توجه زیادی را به خود جلب کرده است. امروزه، انگیزه برای تحقیق در این حوزه، با توجه به نگرانی‌های معاصر در خصوص تغییرات آب و هوا، انتشار کربن و نوسان قیمت نفت خام و ایمنی منابع انرژی افزایش یافته است. توانایی ایجاد الگویی برای ارتباط بین منابع انرژی و رشد اقتصادی در تدوین خط مشی ها امری درخور توجه است. تکنیک شبکه عصبی مصنوعی (ANNs) و یادگیری ماشینی در عناوین متعددی پیرامون انرژی و توسعه اقتصادی به کار رفته است. مرجع (2)، ANN را به عنوان یک ابزار آماری و معیار اقتصادی معرفی کرد. مرجع (3)، عملکرد ANN را در مدلسازی تقاضای برق ترکیه مطالعه کرد. نتایج حاصل از این تحقیق در هدایت پژوهش‌های بعدی بسیار کارساز بود. از آنجا که برق نقش مهمی در پروفایل مصرف انرژی یک کشور و توسعه خط مشی‌ها ایفا می‌کند، مرجع (4)، مدل ANN را برای مصرف برق به کار برد. نتایج نشان داد که این مدل به خوبی عمل می‌کند. از آنجا که پایداری مستلزم درک رابطه سیستم های طبیعی و انسانی است، مرجع (5)، امکان کاربرد ANN در ایجاد مدل پیش بینی سیستم‌های پیچیده توسعه پایدار بررسی کرد. با در نظر گرفتن رابطه پویای بین مصرف انرژی قابل تجدید و رشد اقتصادی، مرجع(6) رابطه تصادفی غیر خطی بین مصرف انرژی قابل تجدید، رشد اقتصادی اندازه گیری شده با تولید خالص داخلی، مصرف انرژی کل و بیکاری را بررسی کرد.