Spatiotemporal Fractional Graph-based Grey Model for Greenhouse Gas Emission Forecasting
温室効果ガス排出予測のための時空間フラクショナルグラフベースグレーモデル (AI 翻訳)
Xiaolong Zhang, Congjun Rao, Abdulrahman Almandeel, Xinping Xiao, Mark Goh
🤖 gxceed AI 要約
日本語
本論文は、時空間データとフラクショナル微積分を組み合わせたグラフベースのグレーモデルを提案し、温室効果ガス排出量の予測精度向上を目指す。既存手法と比較して優れた性能を示す可能性がある。
English
This paper proposes a spatiotemporal graph-based grey model incorporating fractional calculus to improve greenhouse gas emission forecasting, potentially outperforming traditional methods.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本は2050年カーボンニュートラル目標を掲げ、GHG排出量の高精度予測は政策立案や進捗管理に不可欠。本モデルは日本の排出インベントリや自治体レベルの予測に応用可能。
In the global GX context
Accurate GHG emission forecasting is critical for global climate targets under the Paris Agreement and for corporate Scope 1 accounting. This model offers a novel spatiotemporal approach applicable to national and regional inventories.
👥 読者別の含意
🔬研究者:Provides a methodological advancement in emission forecasting using graph-based grey models.
🏢実務担当者:Could be applied for corporate or national carbon footprint forecasting.
🏛政策担当者:Supports evidence-based target setting and policy evaluation for emission reductions.
🔗 Provenance — このレコードを発見したソース
- crossref https://doi.org/10.1016/j.apm.2026.117123first seen 2026-06-07 05:13:50
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。