Un estudio del impacto de la transición de GGDP en el desarrollo sostenible mediante investigación de modelado matemático
Autores: Yue, Nuoya; Hou, Junjun
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un estudio del impacto de la transición de GGDP en el desarrollo sostenible mediante investigación de modelado matemático
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
PIB
Problemas ambientales
Criterios sostenibles
PIB verde
Algoritmo de agrupamiento k-means
Mitigación del clima.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
El PIB es un indicador común y esencial para evaluar la economía general de un país. Sin embargo, las cuestiones ambientales pueden pasar desapercibidas en la búsqueda del crecimiento del PIB para algunos países. Puede ser beneficioso adoptar criterios más sostenibles para evaluar la salud económica. En este estudio, se discute el PIB verde (GGDP) utilizando enfoques matemáticos. Se seleccionaron varios indicadores de conjuntos de datos para la evaluación del GGDP y su impacto en la mitigación del clima. Se utilizó el algoritmo de agrupamiento k-means para clasificar 16 países en tres categorías distintas para un análisis específico. El impacto potencial de la transición al GGDP se investigó a través de cambios en un parámetro cuantitativo, el factor de impacto climático. Se aplicó regresión de ridge para predecir el impacto de cambiar al GGDP para las tres categorías de países. Las consecuencias de la transición al GGDP en la mejora cuantificada de los indicadores climáticos se demostraron gráficamente a lo largo del tiempo a escala global. Se utilizó el método de peso de entropía (EWM) y TOPSIS para obtener el valor. Se predijo que los países en la categoría 2, según la clasificación de k-means, mostrarían una mayor mejora en las puntuaciones, ya que uno de los mayores emisores de carbono del mundo, China, que pertenece a la categoría 2 de países, desempeña un papel significativo en la gobernanza climática mundial. Se realizó un análisis específico de China después de obtener los resultados de EWM-TOPSIS. Se llevaron a cabo análisis de relación relacional gris y correlación de Pearson para analizar las relaciones entre indicadores específicos, seguidos de una predicción de emisiones de CO basada en los indicadores críticos analizados.
Descripción
El PIB es un indicador común y esencial para evaluar la economía general de un país. Sin embargo, las cuestiones ambientales pueden pasar desapercibidas en la búsqueda del crecimiento del PIB para algunos países. Puede ser beneficioso adoptar criterios más sostenibles para evaluar la salud económica. En este estudio, se discute el PIB verde (GGDP) utilizando enfoques matemáticos. Se seleccionaron varios indicadores de conjuntos de datos para la evaluación del GGDP y su impacto en la mitigación del clima. Se utilizó el algoritmo de agrupamiento k-means para clasificar 16 países en tres categorías distintas para un análisis específico. El impacto potencial de la transición al GGDP se investigó a través de cambios en un parámetro cuantitativo, el factor de impacto climático. Se aplicó regresión de ridge para predecir el impacto de cambiar al GGDP para las tres categorías de países. Las consecuencias de la transición al GGDP en la mejora cuantificada de los indicadores climáticos se demostraron gráficamente a lo largo del tiempo a escala global. Se utilizó el método de peso de entropía (EWM) y TOPSIS para obtener el valor. Se predijo que los países en la categoría 2, según la clasificación de k-means, mostrarían una mayor mejora en las puntuaciones, ya que uno de los mayores emisores de carbono del mundo, China, que pertenece a la categoría 2 de países, desempeña un papel significativo en la gobernanza climática mundial. Se realizó un análisis específico de China después de obtener los resultados de EWM-TOPSIS. Se llevaron a cabo análisis de relación relacional gris y correlación de Pearson para analizar las relaciones entre indicadores específicos, seguidos de una predicción de emisiones de CO basada en los indicadores críticos analizados.