論文の概要: Stable Time Series Prediction of Enterprise Carbon Emissions Based on Causal Inference

• arxiv url: http://arxiv.org/abs/2602.00775v1
• Date: Sat, 31 Jan 2026 15:32:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.3936
• Title: Stable Time Series Prediction of Enterprise Carbon Emissions Based on Causal Inference
• Title（参考訳）: 因果推論に基づく企業炭素排出量の安定時系列予測
• Authors: Zitao Hong, Zhen Peng, Xueping Liu,
• Abstract要約: 本研究では,分散シフト環境に適した時間的安定予測機構を提案する。 このメカニズムには、企業レベルのエネルギーインプット、資本投資、労働展開、炭素価格、政府の介入、政策実施の強化が含まれる。
• 参考スコア（独自算出の注目度）: 2.699181875463329
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Against the backdrop of ongoing carbon peaking and carbon neutrality goals, accurate prediction of enterprise carbon emission trends constitutes an essential foundation for energy structure optimization and low-carbon transformation decision-making. Nevertheless, significant heterogeneity persists across regions, industries and individual enterprises regarding energy structure, production scale, policy intensity and governance efficacy, resulting in pronounced distribution shifts and non-stationarity in carbon emission data across both temporal and spatial dimensions. Such cross-regional and cross-enterprise data drift not only compromises the accuracy of carbon emission reporting but substantially undermines the guidance value of predictive models for production planning and carbon quota trading decisions. To address this critical challenge, we integrate causal inference perspectives with stable learning methodologies and time-series modelling, proposing a stable temporal prediction mechanism tailored to distribution shift environments. This mechanism incorporates enterprise-level energy inputs, capital investment, labour deployment, carbon pricing, governmental interventions and policy implementation intensity, constructing a risk consistency-constrained stable learning framework that extracts causal stable features (robust against external perturbations yet demonstrating long-term stable effects on carbon dioxide emissions) from multi-environment samples across diverse policies, regions and industrial sectors. Furthermore, through adaptive normalization and sample reweighting strategies, the approach dynamically rectifies temporal non-stationarity induced by economic fluctuations and policy transitions, ultimately enhancing model generalization capability and explainability in complex environments.
• Abstract（参考訳）: 進行中の炭素ピークと炭素中立性の目標を背景に、企業における炭素排出トレンドの正確な予測は、エネルギー構造最適化と低炭素変換決定のための重要な基礎となっている。 それでも、エネルギー構造、生産規模、政策の強度、ガバナンスの効力について、地域、産業、個々の企業間で大きな異質性は持続し、時間的および空間的次元にわたって、炭素排出量データの分布シフトと非定常性が顕著になる。 このようなクロスリージョンおよびクロスエンタプライズデータドリフトは、二酸化炭素排出量報告の精度を損なうだけでなく、生産計画や炭素商取引決定のための予測モデルのガイダンス価値を著しく損なう。 この重要な課題に対処するために、我々は因果推論の視点を安定した学習手法と時系列モデリングと統合し、分散シフト環境に合わせた安定した時間的予測機構を提案する。 このメカニズムには、企業レベルのエネルギーインプット、資本投資、労働力の展開、炭素価格、政府介入、政策実施の強度が含まれており、様々な政策、地域、産業セクターにわたるマルチ環境サンプルから因果安定な特徴(外部の摂動に反するが、二酸化炭素排出量に長期的な影響を示す)を抽出するリスク一貫性に制約のある安定した学習フレームワークを構築している。 さらに、適応正規化とサンプル再加重戦略により、経済変動や政策遷移によって引き起こされる時間的非定常性を動的に補正し、最終的には複雑な環境におけるモデル一般化能力と説明可能性を高める。

関連論文リスト

• A novel VAE-DML fusion framework for casual analysis of greenwashing in the mining industry [7.949080377046532]
  鉱業チェーン企業は資源消費と環境への影響という点で重要な存在である。 発見は、まず、株式残高と企業グリーンウォッシングの間に有意な負の因果関係があることを示し、その実質的なガバナンス効果を確認した。 メカニズム分析は、エクイティバランスが、グリーンウォッシングを抑制するための3つの異なるチャンネルを通して運営されていることを明らかにしている。
  論文  参考訳（メタデータ） (2026-01-31T15:32:14Z)
• Green Federated Learning via Carbon-Aware Client and Time Slot Scheduling [8.491852197957849]
  大規模な機械学習モデルのトレーニングは、かなりの二酸化炭素排出量を発生させる。 本稿では,炭素を意識したクライアント選択とトレーニングスケジューリングによるフェデレート学習の排出削減について検討する。
  論文  参考訳（メタデータ） (2025-09-10T20:24:26Z)
• Diffusion-based subsurface CO$_2$ multiphysics monitoring and forecasting [4.2193475197905705]
  本稿では,ビデオ拡散モデルを用いた新しい地下マルチ物理モニタリングおよび予測フレームワークを提案する。 このアプローチは、CO$2$進化の高品質な表現と、それに伴う地下弾性特性の変化を生成することができる。 コンパスモデルに基づく実験では,CO$モニタリングに関連する本質的に複雑な物理現象を,提案手法がうまく捉えることができた。
  論文  参考訳（メタデータ） (2024-07-25T23:04:37Z)
• Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
  炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。 階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。 MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
  論文  参考訳（メタデータ） (2024-06-12T05:08:51Z)
• Efficient Strategies on Supply Chain Network Optimization for Industrial Carbon Emission Reduction [0.0]
  本研究では, 産業用炭素排出量削減を目的としたサプライチェーンネットワーク最適化の効率化戦略について検討した。 本稿では, リアルタイムの炭素排出量データを活用したアダプティブカーボン排出量指数(ACEI)を導入し, サプライチェーン運用における即時調整を行う。
  論文  参考訳（メタデータ） (2024-04-17T14:53:55Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• (Private)-Retroactive Carbon Pricing [(P)ReCaP]: A Market-based Approach for Climate Finance and Risk Assessment [64.83786252406105]
  Retrospective Social Cost of Carbon Updating (ReSCCU) は、実験的に測定された証拠を収集して制限を補正する新しいメカニズムである。 炭素税の文脈でReSCCUを実装するために,Retroactive Carbon Pricing (ReCaP)を提案する。 組織的リスクを緩和し、政府の関与を最小限に抑えるため、我々はPrivate ReCaP(Private ReCaP)予測市場を導入する。
  論文  参考訳（メタデータ） (2022-05-02T06:02:13Z)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)

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。