論文の概要: Emissions Reporting Maturity Model: supporting cities to leverage
emissions-related processes through performance indicators and artificial
intelligence
- arxiv url: http://arxiv.org/abs/2401.00857v1
- Date: Fri, 8 Dec 2023 17:51:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 12:29:08.679619
- Title: Emissions Reporting Maturity Model: supporting cities to leverage
emissions-related processes through performance indicators and artificial
intelligence
- Title（参考訳）: 排出報告成熟モデル:性能指標と人工知能による排出関連プロセスの活用を支援する都市
- Authors: Victor de A. Xavier and Felipe M.G. Fran\c{c}a and Priscila M.V. Lima
- Abstract要約: 本研究は,排出報告イニシアチブからのデータの調査,クラスタリング,分析を行うための排出報告成熟度モデル(ERMM)を提案する。
PIDPは,エミッション関連データベースからのデータ作成,クラスタリング手法の異なる類似性によるデータの分類,パフォーマンス指標候補の同定を支援する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Climate change and global warming have been trending topics worldwide since
the Eco-92 conference. However, little progress has been made in reducing
greenhouse gases (GHGs). The problems and challenges related to emissions are
complex and require a concerted and comprehensive effort to address them.
Emissions reporting is a critical component of GHG reduction policy and is
therefore the focus of this work. The main goal of this work is two-fold: (i)
to propose an emission reporting evaluation model to leverage emissions
reporting overall quality and (ii) to use artificial intelligence (AI) to
support the initiatives that improve emissions reporting. Thus, this work
presents an Emissions Reporting Maturity Model (ERMM) for examining,
clustering, and analysing data from emissions reporting initiatives to help the
cities to deal with climate change and global warming challenges. The
Performance Indicator Development Process (PIDP) proposed in this work provides
ways to leverage the quality of the available data necessary for the execution
of the evaluations identified by the ERMM. Hence, the PIDP supports the
preparation of the data from emissions-related databases, the classification of
the data according to similarities highlighted by different clustering
techniques, and the identification of performance indicator candidates, which
are strengthened by a qualitative analysis of selected data samples. Thus, the
main goal of ERRM is to evaluate and classify the cities regarding the emission
reporting processes, pointing out the drawbacks and challenges faced by other
cities from different contexts, and at the end to help them to leverage the
underlying emissions-related processes and emissions mitigation initiatives.
- Abstract（参考訳）: 気候変動と地球温暖化は、Eco-92カンファレンス以来世界中でトレンドとなっている。
しかし、温室効果ガス(GHGs)の削減にはほとんど進展がなかった。
排出に関する問題と課題は複雑で、それらに対処するために協力的かつ包括的な努力が必要です。
排出ガス報告はGHG削減政策の重要な要素であり、この研究の焦点となっている。
この仕事の主な目的は次の2つです。
一 排出報告全体の品質を生かした排出報告評価モデルを提案すること。
二 人工知能(AI)を用いて、排出報告を改善するイニシアチブを支援すること。
そこで本研究では,都市が気候変動や地球温暖化問題に対処できるよう,排出報告イニシアチブからのデータの調査,クラスタリング,分析を行うための排出報告成熟モデル(ERMM)を提案する。
本研究で提案されているパフォーマンス指標開発プロセス(PIDP)は、ERMMによって識別された評価の実行に必要なデータの品質を活用する方法を提供する。
したがって、PIDPは、エミッション関連データベースのデータの作成、異なるクラスタリング手法によって強調される類似性に基づくデータの分類、選択されたデータサンプルの質的分析によって強化されたパフォーマンス指標候補の識別をサポートする。
したがって、errmの主な目的は、排出報告プロセスに関する都市を評価し分類することであり、異なる状況の他の都市が直面する欠点と課題を指摘し、最後には、基礎となる排出関連プロセスと排出削減イニシアチブの活用を支援することである。
関連論文リスト
- Are Deep Learning Methods Suitable for Downscaling Global Climate Projections? Review and Intercomparison of Existing Models [0.0]
完全予後(PP)と地域気候モデル(RCM)エミュレーションは、世界的な気候変動予測を下方修正することを約束している。
エミュレータとは異なり、PPダウンスケーリングモデルは観測データに基づいて訓練されているため、未確認の条件や将来の排出シナリオの変化を確実に外挿できるかどうかには疑問が残る。
PPダウンスケーリングのための最新のDLモデルを特定し、共通の実験フレームワークを用いてその外挿能力を評価する。
論文 参考訳（メタデータ） (2024-11-06T18:05:45Z) - Climate AI for Corporate Decarbonization Metrics Extraction [7.522638089716454]
コーポレートデカーボライズメトリックス抽出(CAI)モデルとパイプラインについて紹介する。
本研究では, 企業公開情報からのデータキュレーション, 検証, 評価を自動化することにより, データの収集効率と精度を向上させることを実証する。
論文 参考訳（メタデータ） (2024-11-05T18:37:51Z) - Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - A Comprehensive Approach to Carbon Dioxide Emission Analysis in High Human Development Index Countries using Statistical and Machine Learning Techniques [4.106914713812204]
世界規模の二酸化炭素排出量を効果的に削減するためには、二酸化炭素排出量の傾向を予測し、その排出量パターンに基づいて国を分類することが不可欠だ」と述べた。
本稿では,HDI(Human Development Index)を有する20カ国におけるCO2排出量の決定要因について,25年間にわたる経済,環境,エネルギー利用,再生可能資源に関連する要因について,詳細な比較研究を行った。
論文 参考訳（メタデータ） (2024-05-01T21:00:02Z) - Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている
本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。
本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文 参考訳（メタデータ） (2024-04-28T05:46:28Z) - Supply chain emission estimation using large language models [15.605998085195314]
ドメイン適応NLPファンデーションモデルを用いて、スコープ3排出量を推定する第一種フレームワークを提案する。
提案手法の性能をTF-IDF, word2Vec, Zero といった最先端のテキスト分類モデルと比較する。
論文 参考訳（メタデータ） (2023-08-03T13:06:37Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Towards Understanding Omission in Dialogue Summarization [45.932368303107104]
これまでの研究では, 省略が要約の質に影響を及ぼす主要な要因であることが示唆された。
本稿では,対話要約のための高品質なオミッションラベルを提供するOLDSデータセットを提案する。
論文 参考訳（メタデータ） (2022-11-14T06:56:59Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳（メタデータ） (2020-11-03T21:22:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。