Region-specific daily industrial carbon emissions forecasting based on a dual-channel deep learning framework using mixed-frequency data

日本語

本論文は、混合周波数データを活用したデュアルチャネル深層学習フレームワークを提案し、地域別の日次産業炭素排出量を高精度に予測する。AI技術を炭素排出モニタリングに応用し、気候変動対策や排出削減政策の立案に貢献する。

English

This paper proposes a dual-channel deep learning framework using mixed-frequency data to forecast region-specific daily industrial carbon emissions with high accuracy. It applies AI to carbon emission monitoring, aiding climate action and emission reduction policy.

日本のGX文脈において

日本では、カーボンニュートラル達成に向けた排出量のリアルタイム把握が重要であり、本手法は自治体や企業の排出削減計画に活用できる。また、SSBJ開示におけるScope 1排出量のモニタリングにも応用可能。

In the global GX context

Globally, accurate and timely carbon emission forecasting is crucial for climate policy and corporate disclosure. This AI-driven approach supports TCFD/ISSB-aligned reporting and helps regions track progress toward net-zero targets.