ハイブリッドDenseNet121–MobileNet深層学習モデルを用いた気候変動予測と持続可能な気候リスク管理

日本語

DenseNet121とMobileNetを組み合わせたハイブリッド深層学習モデルにより気候変動を予測し、持続可能な気候リスク管理に応用する研究。画像認識系CNNの転用で気候データのパターン抽出を狙う。ESG開示や炭素会計への直接応用は示されておらず、気候リスク評価の手法提案にとどまる。

English

Proposes a hybrid DenseNet121–MobileNet deep learning model for climate change prediction and sustainable climate risk management. It adapts image-recognition CNNs to extract patterns from climate data. No direct application to ESG disclosure, carbon accounting, or corporate sustainability evaluation is indicated.

日本のGX文脈において

日本ではTCFD・SSBJ対応で気候リスクの定量評価手法への関心が高いが、本論文は物理的リスク予測の技術提案であり、開示制度への直接接続は限定的。将来的にシナリオ分析高度化の参考になり得る。

In the global GX context

Global disclosure regimes (TCFD, ISSB, CSRD) increasingly demand forward-looking climate risk quantification; ML-based prediction models like this could feed scenario analysis, though the paper stops short of disclosure or financial-materiality framing.