Декарбонизатсияи макроиқтисодӣ раванди коҳиш додани шиддатнокии карбонии низомҳои энергетикӣ ва истеҳсолӣ дар миёнамуҳлат ва дарозмуҳлат мебошад, дар ҳоле ки кишвар фаъолияти иқтисодии худро ба таври устувор идома медиҳад. Ин таҳқиқот, ки аз ҷониби Olena Zhytkevych, Andriy Matviychuk ва Natalia Osadcha таҳия шудааст, аз андешае оғоз мекунад, ки фарқиятҳои иқтисодӣ, энергетикӣ, институтсионалӣ ва экологӣ байни кишварҳо метавонанд бо як модели ягонаи хаттӣ ба қадри кофӣ ифода нашаванд ва дар асоси он чорчӯбаи гибридии қабули қарорро бо дастгирии зеҳни сунъӣ таҳия мекунад.

Низоми пешниҳодшуда D-CPFR — Decarbonization–Collaborative Planning, Forecasting and Replenishment ном дорад. Модел мантиқи банақшагирӣ ва пешгӯии муштараки равиши классикии CPFR-ро ба заминаи декарбонизатсияи макроиқтисодӣ густариш медиҳад; гурӯҳбандии кишварҳоро бо Self-Organizing Map (SOM), пешгӯиҳои Multilayer Perceptron (MLP)-и махсуси ҳар гурӯҳ ва оптимизатсияи бисёрмеъёраи сенарияҳоро, ки ҳадафҳои экологӣ, иқтисодӣ, хавф ва иҷтимоиро якҷо арзёбӣ мекунад, дар як чорчӯба муттаҳид месозад.

Пойгоҳи додаҳои эмпирикии таҳқиқот 45 кишварро дар давраи 2014–2023 фаро мегирад. Дар оғоз 13 нишондиҳандаи солона истифода мешавад, ки ҷанбаҳои энергетика, иқтисод, демография, хавфи геосиёсӣ, ҷаҳонишавӣ ва муҳити зистро намояндагӣ мекунанд; аз онҳо 12-то ҳамчун хусусиятҳои тавзеҳдиҳанда ба вуруди модел табдил дода мешаванд. Ҳадафи пешгӯӣ бошад логарифми омили миёнаи партоби CO₂ мебошад.

Раванди моделсозӣ аз ҳафт марҳилаи асосӣ иборат аст: ҷамъоварии додаҳо, коркарди пешакии додаҳо, гурӯҳбандии SOM, муайян кардани гурӯҳҳо, пешгӯии MLP-и махсуси гурӯҳ, санҷиши модел ва дар охир оптимизатсияи сенарияҳо бар асоси ҳамоҳангсозӣ дар дохили гурӯҳ ё байни гурӯҳҳо.

Таҳлили SOM мушоҳидаҳои кишвар-солро ба ҳафт гурӯҳи сохторӣ ҷудо кардааст. Манбаъ Гурӯҳи 0 ва Гурӯҳи 5-ро ҳамчун гурӯҳҳои дорои хусусиятҳои нисбатан пешрафтаи гузариши энергетикӣ; Гурӯҳи 1 ва Гурӯҳи 6-ро ҳамчун профилҳои мобайнӣ/гузаришӣ; ва Гурӯҳҳои 2, 3 ва 4-ро ҳамчун профилҳои гузаришии бештар гуногун аз нигоҳи вобастагӣ ба сӯзишвории канданиҳо, шиддатнокии энергия, нуфузи энергияи барқароршаванда, электрификатсия ва шиддатнокии CO₂ шарҳ медиҳад.

Моделҳои MLP-и махсуси гурӯҳ дар ҳамаи гурӯҳҳо натиҷаи яксон надоданд. Дар намунаи санҷишӣ MLP арзиши R²-ро дар Гурӯҳи 2 аз 0,72 то 0,98; дар Гурӯҳи 3 аз 0,36 то 0,51; дар Гурӯҳи 4 аз 0,28 то 0,88 ва дар Гурӯҳи 6 аз 0,57 то 0,85 баланд кард. Дар Гурӯҳи 0 ҳам регрессияи хаттӣ ва ҳам MLP R² = 0,97 доданд. Баръакс, дар Гурӯҳи 1 MLP бо R² = 0,80 аз арзиши 0,82-и модели хаттӣ каме поёнтар ва дар Гурӯҳи 5 бо 0,27 аз арзиши 0,55-и модели хаттӣ ба таври назаррас поёнтар монд.

Аз ин рӯ, хулосаи илмии таҳқиқот ин нест, ки “зеҳни сунъӣ ҳамеша аз моделҳои хаттӣ беҳтар аст”. Хулосаи дақиқтар ин аст, ки дар баъзе гурӯҳҳое, ки гуногунии сохторӣ байни кишварҳо баланд ва робитаҳо ғайрихаттӣ мебошанд, моделҳои MLP-и бар гурӯҳ асосёфта метавонанд нисбат ба як модели ягонаи хаттии глобалӣ бартарии назарраси пешгӯӣ фароҳам оваранд.

Қисми дуюми D-CPFR натиҷаҳои пешгӯиро ба раванди идоракунӣ мепайвандад. Кишварҳои як гурӯҳ метавонанд мубодилаи иттилоот, ҳамоҳангсозии сармоягузорӣ, сиёсати технологӣ ва қарорҳои танзимиро якҷо арзёбӣ кунанд; гурӯҳҳои гуногун бошанд метавонанд тавассути интиқоли технология, ҳамкории сармоягузорӣ ва мубодилаи донишҳои институтсионалӣ якдигарро дастгирӣ намоянд.

Аммо ин механизмҳои идоракунӣ дар таҳқиқот дар кишварҳои воқеӣ татбиқ нашудаанд. Қисме, ки таҳқиқот ба таври эмпирикӣ санҷидааст, иҷроиши моделҳои пешгӯии махсуси гурӯҳ мебошад. Ҳанӯз ба таври эмпирикӣ нишон дода нашудааст, ки ҳамоҳангсозии дохили гурӯҳ ва байни гурӯҳҳо коҳиши воқеии партоб, хароҷоти иқтисодӣ ё манфиати иҷтимоӣ ба вуҷуд меорад ё не.

Модели D-CPFR чист?

D-CPFR чорчӯбаи бисёрқабатаи дастгирии қарор аст, ки кишварҳои аз ҷиҳати сохторӣ монандро ба гурӯҳҳо ҷудо мекунад, барои ҳар гурӯҳ пешгӯиҳои ҷудогонаи шабакаи нейронии сунъӣ месозад ва ин пешгӯиҳоро ба сенарияҳои муштараки декарбонизатсия мепайвандад, ки ҳадафҳои экологӣ, хароҷот, хавф ва манфиати иҷтимоиро якҷо арзёбӣ мекунанд.

Навоварии асосии D-CPFR таҳияи алгоритми нави зеҳни сунъӣ нест. Таҳқиқоти манбаъ навовариро ҳамчун ҳамгиро кардани усулҳое, ки қаблан ҷудогона истифода мешуданд, дар як низоми ягонаи идоракунӣ муайян мекунад.

Чорчӯба се ҷузъи асосии таҳлилӣ дорад:

1. Гурӯҳбандии SOM: Муайян кардани мушоҳидаҳои кишвар-сол, ки аз ҷиҳати сохторӣ ба ҳам монанданд.
2. Пешгӯии MLP-и махсуси гурӯҳ: Моделсозии робитаҳои ғайрихаттӣ дар дохили сохтори иқтисодӣ ва энергетикии ҳар гурӯҳ.
3. Оптимизатсияи бисёрмеъёраи сенария: Арзёбии натиҷаҳои пешгӯӣ дар якҷоягӣ бо сиёсат, сармоягузорӣ, технология, хавф ва ҳадафҳои иҷтимоӣ.

Чаро D-CPFR аз як модели ягонаи глобалӣ истифода намекунад?

Зеро як тағйирёбандаи энергетикӣ ё иқтисодӣ метавонад дар гурӯҳҳои гуногуни кишварҳо маъноҳои гуногун дошта бошад. Афзоиши ҳиссаи энергияи барқароршаванда метавонад дар кишваре, ки нуфузи энергияи барқароршаванда баланд аст, воқеан истифодаи сӯзишвории канданиро ҷойгузин кунад; аммо дар иқтисоди дигаре, ки талаботи умумӣ ба нерӯи барқ зуд меафзояд, афзоиши иқтидори барқароршаванда метавонад бо коҳиши фаврии шиддатнокии умумии CO₂ ҳамзамон рух надиҳад.

Равиши гурӯҳбандии таҳқиқот ба ҷойи тавлиди як коэффисиенти миёна барои ҳамаи кишварҳо ҳадаф дорад робитаҳои ҷудогонаро дар гурӯҳҳои кишварҳои аз ҷиҳати сохторӣ монанд арзёбӣ кунад.

Дар таҳқиқот “иқтидори декарбонизатсия” чӣ гуна таъриф мешавад?

Таҳқиқоти манбаъ иқтидори декарбонизатсияи кишварро ҳамчун қобилияти иқтисоди он барои ба таври устувор коҳиш додани шиддатнокии карбон дар миёнамуҳлат ва дарозмуҳлат таъриф мекунад; ҳадафе, ки модели эмпирикӣ бевосита пешгӯӣ мекунад, логарифми омили миёнаи партоби CO₂ мебошад.

Ин фарқ муҳим аст. D-CPFR бевосита пешгӯии қатъии оянда ба шакли “кишвар ин қадар тонна CO₂ кам мекунад” истеҳсол намекунад. Он омили партоби CO₂-ро аз нишондиҳандаҳои интихобшудаи иқтисодӣ, энергетикӣ, демографӣ, институтсионалӣ ва экологӣ моделсозӣ карда, заминаи таҳлилии сенарияҳои алтернативии декарбонизатсияро месозад.

Се саволи таҳқиқот

1. Асосҳои назариявии пешгӯии гибридӣ, ки ба усулҳои гурӯҳбандӣ ва шабакаи нейронӣ такя мекунад, кадомҳоянд?
2. Модели D-CPFR чӣ гуна метавонад дар кишварҳои аз ҷиҳати сохторӣ гуногун пешгӯиро бо банақшагирии муштарак муттаҳид кунад?
3. Ин равиш чӣ гуна метавонад ташаккули сиёсатҳои фарқкунандаи иқлимӣ ва стратегияҳои ҳамоҳангшудаи декарбонизатсияро дастгирӣ намояд?

Ҷараёни кори модел чӣ гуна аст?

Модел аз ҷамъоварии додаҳо оғоз карда, марҳилаҳои омода кардани нишондиҳандаҳо, сохтани гурӯҳҳои сохторӣ бо SOM, пешгӯии MLP барои ҳар гурӯҳ, санҷиши модел ва табдил додани пешгӯиҳо ба сенарияҳои бисёрмеъёраи сиёсати муштаракро пайгирӣ мекунад.

Чаро Self-Organizing Map истифода шудааст?

SOM барои табдил додани монандиҳои ғайрихаттӣ дар нишондиҳандаҳои бисёрченакаи кишварҳо ба харитаи камченака бо ҳифзи то ҳадди имкон сохтори топологӣ ва гурӯҳбандии мушоҳидаҳои кишвар-соли аз нигоҳи сохторӣ монанд истифода шудааст.

Дар таҳқиқоти манбаъ интихоби SOM ба муқоисаҳои қаблан анҷомшуда бо усулҳои алтернативии гурӯҳбандӣ, аз ҷумла K-means ва Gaussian Mixture Models, такя мекунад. Муаллифон қайд мекунанд, ки SOM аз ҷиҳати дарёфти сохторҳои мураккаби ғайрихаттӣ, ҳифзи пайвандҳои топологӣ, устуворӣ нисбат ба садо ва кор бо маълумоти баландченака барои ин маҷмӯи додаҳо муносиб аст.

Шумораи оптималии гурӯҳҳо аз рӯи:

• индекси Silhouette,
• индекси Davies–Bouldin,
• индекси Calinski–Harabasz

барин меъёрҳои дохилии сифати гурӯҳбандӣ арзёбӣ шуда, ҳафт гурӯҳ интихоб шудааст.

Мақолаи манбаъ шарҳ медиҳад, ки ин меъёрҳо истифода шудаанд, аммо дар матни асосӣ арзишҳои ададии ҳамаи се индексро барои тамоми шумораҳои номзади гурӯҳҳо пешниҳод намекунад.

Оё узвияти гурӯҳ тамғаи тағйирнопазири кишвар аст?

Не. Таснифоти SOM дар сатҳи мушоҳидаҳои кишвар-сол анҷом дода мешавад; бинобар ин як кишвар метавонад дар солҳои гуногун дар гурӯҳҳои гуногун ҷой гирад ва дар Ҷадвали A3-и манбаъ дида мешавад, ки кишварҳое чун Олмон, Австралия, Белгия, Чили, Италия, Малайзия, Мексика, Лаҳистон, Испания, Украина, Британияи Кабир, Ӯзбекистон ва Ветнам дар давоми давра гурӯҳ иваз кардаанд.

Ин хусусият бо тафсири динамикии D-CPFR мувофиқ аст. Манбаъ аз ҷиҳати назариявӣ пешбинӣ мекунад, ки кишвар метавонад дар натиҷаи ислоҳоти сиёсӣ, сармоягузорӣ, пешрафти технологӣ ё шароити берунии иқтисодӣ бо мурури вақт ба гурӯҳи сохтории дигар гузарад.

Ҳафт гурӯҳи дар манбаъ гузоришшуда

Тафсири умумии гурӯҳҳо

Тибқи манбаъ, Гурӯҳи 0 ва Гурӯҳи 5 бо сабаби хусусиятҳои нисбатан пешрафтаи гузариши энергетикӣ метавонанд ҳамчун марказҳои эҳтимолии декарбонизатсия ё пешсафони гузариш тафсир шаванд.

Гурӯҳи 1 ва Гурӯҳи 6 профилҳои миёна ё гузаришӣ мебошанд, ки таркибҳои гуногуни рушди иқтисодӣ, сохтори энергетикӣ ва хусусиятҳои декарбонизатсияро дар бар мегиранд.

Гурӯҳҳои 2, 3 ва 4 аз ҷиҳати вобастагӣ ба сӯзишвории истихроҷӣ, шиддатнокии энергия, нуфузи энергияи барқароршаванда, электрификатсия ва шиддатнокии партоби CO₂ профилҳои гузаришии гуногунтар нишон медиҳанд.

Усул ва Натиҷаҳои Таҳқиқот

Фарогирии маълумот

Таҳқиқот 45 кишвар ва давраи 2014–2023-ро фаро мегирад. Манбаъҳои асосии додаҳои истифодашуда:

• EnerData,
• World Bank,
• Geopolitical Risk Index.

Пойгоҳи ибтидоии иттилоот аз 13 нишондиҳандаи солона иборат аст. Дар натиҷаи feature selection, табдил додани нишондиҳандаҳои мутлақ ба ченакҳои нисбӣ ва сохтани хусусиятҳои ҳосилшуда 12 тағйирёбандаи тавзеҳдиҳанда барои воридшавӣ ба модел ташаккул ёфтааст.

13 нишондиҳандаи асосӣ

Стандартизатсияи маълумот

Бахши усули манбаъ нишон медиҳад, ки хусусиятҳои тавзеҳдиҳанда бо z-score standardization стандартӣ карда шудаанд. Сипас вектори 12-ченакаи стандартшуда ҳам барои гурӯҳбандии SOM ва ҳам барои модели пешгӯии MLP ҳамчун вуруд истифода мешавад.

Ба тағйирёбандаи ҳадаф — омили миёнаи партоби CO₂ — табдили логарифмӣ татбиқ шудааст. Манбаъ мегӯяд, ки ҳадаф аз ин коҳиш додани асимметрияи тақсимот ва таъсири арзишҳои канорӣ барои беҳтар намудани устувории омории пешгӯиҳо мебошад.

Ҷудокунии омӯзиш ва санҷиш

Маълумот барои сохтани модел ва санҷиш бо таносуби %70 омӯзиш / %30 санҷиш ҷудо шудааст.

Манбаъ истифодаи ин таносубро равшан зикр мекунад; аммо дар тавсифи асосии усул равшан намегӯяд, ки ин ҷудокунӣ тақсимоти замонӣ бо ҳифзи тартиби солҳо буд ё мушоҳидаҳои кишвар-сол ба тарзи дигар тақсим шуданд.

Ин ҷузъиёти хоса барои тафсири мафҳуми “forecasting” муҳим аст. Аз ин рӯ, бехатартар аст натиҷаҳоро на ҳамчун пешгӯии воқеии кишвар ба оянда, балки ҳамчун иҷроиши шартии пешгӯӣ дар намунаи мавҷудаи кишвар-сол арзёбӣ кард.

Benchmark-и регрессияи хаттӣ

Дар марҳилаи аввал ҳамаи кишварҳо ва солҳо дар як pooled dataset муттаҳид шуда, регрессияи сертағйирёбандаи хаттӣ бо 12 тағйирёбандаи тавзеҳдиҳанда сохта шудааст:

y(k,t) = β0 + β1x1 + β2x2 + ... + β12x12 + ε(k,t)

Дар ин ҷо y(k,t) логарифми омили миёнаи партоби CO₂ барои кишвари k ва соли t мебошад.

Иҷроиши модели хаттӣ бо R², MAE ва MSE арзёбӣ шудааст. Манбаъ ба хулоса меояд, ки як модели ягонаи глобалии хаттӣ фарқиятҳои мураккаб ва ғайрихаттии кишварҳоро ба қадри кофӣ нишон дода наметавонад ва ин моделро ҳамчун нуқтаи муқоиса барои равиши SOM + MLP истифода мебарад.

Модели MLP

Барои ҳар гурӯҳ функсияи алоҳидаи пешгӯии Multilayer Perceptron сохта шудааст. Сохтори асосии MLP:

h(0) = X*

h(l) = σ(l)(W(l)h(l−1) + b(l))

ва баромади ниҳоӣ:

ŷ(k,t) = h(L)

мебошад.

Дар қабатҳои пинҳонӣ logistic/sigmoid ва дар қабати баромад linear activation, ки барои масъалаи регрессия мувофиқ аст, истифода шудааст.

Ҳадафи омӯзиш кам кардани Mean Squared Error мебошад:

MSE(c) = (1/Nc) Σ (yi − ŷi)² → min

Танзимоти татбиқи MLP

Дар порчаи коди манбаъ сохтори қабатҳои пинҳонӣ ба шакли hidden_layer_sizes = arch параметрӣ нишон дода шудааст. Аммо дар Table A4 ё порчаи коди пешниҳодшуда шумораҳои дақиқи нейрон/қабат барои тағйирёбандаи arch алоҳида навишта нашудаанд. Аз ин рӯ, Verianla андозаҳои меъмории шабакаро, ки дар манбаъ ошкоро дода нашудаанд, тахмин карда пур намекунад.

Оё MLP-и хоси гурӯҳ воқеан аз модели хаттӣ беҳтар аст?

Дар баъзе гурӯҳҳо ҳа, дар баъзеҳо не: MLP махсусан дар Гурӯҳҳои 2, 3, 4 ва 6 аз рӯи R² ва/ё ченакҳои хато беҳбудии назаррас нишон медиҳад; дар Гурӯҳи 0 ҳамон R²-и модели хаттиро медиҳад, аммо дар Гурӯҳҳои 1 ва 5 аз рӯи R² аз модели хаттӣ пасттар мемонад.

Чаро фарқи калонтарини модел дар Гурӯҳи 4 аст?

Дар Гурӯҳи 4 регрессияи хаттӣ R² = 0,28, MAE = 0,12 ва MSE = 0,02 медиҳад, дар ҳоле ки MLP R² = 0,88, MAE = 0,04 ва MSE = 1 × 10⁻⁴ медиҳад.

Манбаъ ин фарқро бо он алоқаманд мекунад, ки дар ин гурӯҳ робитаҳои байни тағйирёбандаҳои иқтисодӣ, энергетикӣ ва экологӣ ғайрихаттӣ ва аз ҷиҳати сохторӣ мураккабтаранд.

Гурӯҳи 4 профилҳои гуногуни гузариширо дар бар мегирад, аз ҷумла Алҷазоир, Озарбойҷон, Миср, Ҳиндустон, Индонезия, Нигерия, Таиланд, Туркия ва дар солҳои муайян Малайзия, Мексика, Украина, Ӯзбекистон ва Ветнам.

Ин натиҷа маънои онро надорад, ки MLP дар ин кишварҳо аз нигоҳи натиҷаи воқеии сиёсӣ беҳтар аст; он танҳо нишон медиҳад, ки дар пешгӯии омили партоби CO₂ дар маҷмӯи санҷишии таҳқиқот нисбат ба benchmark-и хаттӣ мутобиқати беҳтар доштааст.

Чаро Гурӯҳи 0 фарқ мекунад?

Гурӯҳи 0 аз Канада, Зеландияи Нав, Норвегия ва Шветсия иборат аст. Дар ин гурӯҳ ҳам модели хаттӣ ва ҳам MLP дар санҷиш R² = 0,97 додаанд.

Манбаъ мегӯяд, ки дар чунин гурӯҳҳо сохтори робитаҳои байни тағйирёбандаҳо нисбатан устувор буда метавонад ва бидуни истифодаи шабакаи асабии мураккаб низ иҷроиши баланди пешгӯӣ ба даст меояд.

Ин натиҷа нишон медиҳад, ки мураккабии модел дар ҳар ҳолат бартарӣ намедиҳад.

Чаро таъсири тағйирёбандаи энергияи барқароршаванда байни гурӯҳҳо фарқ мекунад?

Манбаъ қайд мекунад, ки робитаи арзёбишуда барои x6 — ҳиссаи бод ва офтоб дар электрификатсия — дар Гурӯҳи 0 манфӣ, вале дар гурӯҳҳои дигар метавонад мусбат бошад.

Дар Гурӯҳи 0 нуфузи баланди бод ва офтоб бо омили пасттари партоби CO₂ алоқаманд аст.

Мусбат будани коэффисиент дар гурӯҳҳои дигар бо он шарҳ дода мешавад, ки афзоиши иқтидори барқароршаванда метавонад ҳамзамон бо афзоиши умумии талаботи барқ ва фаъолияти иқтисодӣ рух диҳад. Аз ин рӯ, афзоиши иқтидори насбшудаи барқароршаванда дар кӯтоҳмуддат ё дар давраи намунаи мавҷуда худкор маънои коҳиши умумии шиддатнокии карбонро надорад.

Ин коэффисиентҳо робитаҳои модели мушоҳидавӣ мебошанд; онҳоро набояд ҳамчун далели сабабӣ тафсир кард, ки сармоягузорӣ ба бод ё офтоб партобҳоро зиёд мекунад.

Функсияи бисёрмеъёрии қароргирии D-CPFR чӣ гуна кор мекунад?

D-CPFR пешниҳод мекунад, ки сенарияҳои алтернативии сиёсӣ на танҳо аз рӯи ҳадафи CO₂, балки тавассути функсияи вазндори талафот арзёбӣ шаванд, ки хароҷоти татбиқ, хатари геополитикӣ/молиявӣ/технологӣ ва фоидаи иҷтимоиро якҷо дар бар мегирад.

Ҳар сенария чор соҳаи асосии қарорро дар бар мегирад:

• қарорҳои сиёсӣ,
• қарорҳои сармоягузорӣ,
• қарорҳои технологӣ,
• қарорҳои танзимкунанда.

Мантиқи функсияи талафот дар таҳқиқоти манбаъро чунин ҷамъбаст кардан мумкин аст:

L(c) = α × (CO₂-и ҳадаф − CO₂-и пешгӯишуда)² + β × хароҷот + γ × хатар − δ × фоидаи иҷтимоӣ

Дар ин ҷо коэффисиентҳои α, β, γ ва δ аҳамияти нисбии ҳадафи экологӣ, хароҷоти иқтисодӣ, хатар ва фоидаи иҷтимоиро дар қарори сиёсӣ муайян мекунанд.

Ҷузъи хатар метавонад номуайяниҳои геополитикӣ, молиявӣ ё технологиро фаро гирад; ҷузъи иҷтимоӣ бошад метавонад дастрасӣ ба энергия, суботи институтсионалӣ ва коҳиши нобаробариро дар бар гирад.

Ин функсия як “сиёсати оптималии ҷаҳонии иқлим”-и ягонаи ба таври эмпирикӣ муайяншуда нест. Он сохтори дастгирии қарор аст, ки дар он сиёсатгузор вазнҳо ва маҷмӯи сенарияҳои иҷрошавандаро муайян мекунад.

Фарқи ҳамкории intracluster ва intercluster чист?

Ҳамкории intracluster маънои онро дорад, ки кишварҳои аз ҷиҳати сохторӣ монанд қарорҳои сиёсӣ, сармоягузорӣ ва технологиро ҳамоҳанг таҳия мекунанд; ҳамкории intercluster бошад интиқоли технология, сармоягузорӣ, дониш ва таҷрибаи институтсионалиро байни гурӯҳҳои аз ҷиҳати сохторӣ гуногун ифода мекунад.

Сенарияи intracluster

Фарз мешавад, ки кишварҳои як гурӯҳ метавонанд хусусиятҳои монанди:

• сохтори энергетикӣ,
• рушди иқтисодӣ,
• шиддатнокии карбон,
• мушкилоти институтсионалӣ,
• ниёзҳои технологӣ

дошта бошанд.

Ин кишварҳо метавонанд:

• маълумоти партоб ва тавозуни энергияро мубодила кунанд,
• сенарияҳои муштарак таҳия кунанд,
• афзалиятҳои сармоягузориро мутобиқ созанд,
• воситаҳои шабеҳи сиёсиро ҳамоҳанг татбиқ кунанд.

Манбаъ махсусан гурӯҳҳои дорои профилҳои сохтории душвортар, ба монанди Гурӯҳи 3 ва Гурӯҳи 4-ро ҳамчун намуна барои ҳамоҳангсозии intracluster меорад.

Сенарияи intercluster

Дар ҳамкории intercluster ҳадаф ҳамоҳанг кардани кишварҳои монанд нест, балки эҷоди пурракунандагӣ байни гурӯҳҳои дорои қувваҳои сохтории гуногун аст.

Манбаъ ҳамчун намуна ҳамкории эҳтимолии байни кишварҳои дорои профили пешрафтаи декарбонизатсия, ба монанди Канада, Норвегия ва Шветсия, ва гурӯҳҳои дорои шиддатнокии баландтари карбон, ба монанди Чин, Қазоқистон ё Украина, баррасӣ мекунад.

Ин ҳамкорӣ метавонад чунин механизмҳоро дар бар гирад:

• интиқоли технологияи тоза,
• маблағгузории сармоягузории сабз,
• интиқоли таҷрибаи ислоҳоти институтсионалӣ,
• банақшагирии муштараки инфрасохтор,
• мубодилаи дониш ва таҷриба.

барин механизмҳоро дар бар гирифта метавонад.

Оё ин сенарияҳо воқеан санҷида шуданд?

Не. Мақолаи манбаъ ин маҳдудиятро равшан баён мекунад. Механизмҳои ҳамоҳангсозии intracluster ва intercluster ҳамчун prospective policy options, яъне имконоти сиёсие, ки метавонанд дар оянда татбиқ шаванд, пешниҳод шудаанд.

Дар таҳқиқот байни кишварҳо шарикии воқеии D-CPFR таъсис дода нашудааст, барномаи сармоягузорӣ татбиқ нашудааст ва тағйири партобҳо пеш ва баъд аз ҳамоҳангсозӣ чен карда нашудааст.

Аз ин рӯ, аз ин таҳқиқот чунин хулосаҳо баровардан мумкин нест:

• “D-CPFR партобҳоро ба ҳамин миқдор коҳиш дод”,
• “ҳамоҳангсозии байни кишварҳо рушди иқтисодиро зиёд кард”,
• “интиқоли технология миқдори муайяни коҳиши карбон ба вуҷуд овард”.

Чунин натиҷаҳоро аз ин таҳқиқот баровардан мумкин нест.

Зеҳни сунъӣ дар ин таҳқиқот маҳз чӣ кор мекунад?

Зеҳни сунъӣ дар ду марҳилаи таҳлилӣ истифода мешавад: SOM тавассути омӯзиши беназорат профилҳои монанди кишвар-солро ба гурӯҳҳо ҷудо мекунад, MLP бошад дар дохили ҳар гурӯҳ робитаи ғайрихаттии омили партоби CO₂-ро аз рӯи нишондиҳандаҳои интихобшуда пешгӯӣ мекунад; худи ҳамоҳангсозии сиёсӣ аз ҷониби агенти воқеии автономии AI иҷро намешавад.

Аз ин рӯ, D-CPFR худ аз худ “ҳукумати AI”-и мустақил ё низоми худкори идоракунии иқлим нест.

Зеҳни сунъӣ ҷузъи таҳлилии пешгӯӣ дар инфрасохтори дастгирии қарор мебошад. Интихоби ниҳоии сенария ба сохтори оптимизатсияе вобаста аст, ки мувофиқи ҳадафҳои экологӣ, иқтисодӣ, хатар ва иҷтимоӣ муайян шудааст.

Оё ChatGPT дар таҳқиқот истифода шудааст?

Тибқи изҳороти истифодаи AI дар мақолаи манбаъ, зеҳни сунъии тавлидӣ барои тавлиди маълумот, моделсозии илмӣ ё таҳлил истифода нашудааст.

Муаллифон изҳор мекунанд, ки ChatGPT танҳо барои:

• таҳрири забон,
• ислоҳи код,
• тарҷума,
• форматкунӣ

истифода шуда, тамоми натиҷаҳоро худ санҷидаанд ва масъулияти илмиро ба уҳда гирифтаанд.

Ҷиҳатҳои қавии таҳқиқот

Намоён кардани гуногунии сохторӣ: Ба ҷойи як модели ягонаи глобалӣ, робитаҳои алоҳида дар гурӯҳҳои гуногуни кишварҳо моделсозӣ мешаванд.

Муқоисаи модели хаттӣ ва ғайрихаттӣ: Дидан мумкин аст, ки дар кадом гурӯҳҳо модели мураккаб воқеан бартарӣ медиҳад.

Пайвастани технология бо идоракунӣ: Натиҷаҳои пешгӯӣ танҳо ҳамчун натиҷаи таҳлилӣ гузошта нашуда, ба сенарияҳои сиёсӣ ва сармоягузорӣ пайваст мешаванд.

Мантиқи қарори бисёрҳадафа: На танҳо CO₂, балки хароҷот, хатар ва фоидаи иҷтимоӣ низ дар як сохтори оптимизатсия ворид карда мешаванд.

Имкони тағйири гурӯҳҳои кишвар-сол: Кишварҳо зери як тамғаи собити рушд нигоҳ дошта намешаванд ва эҳтимоли гузаштан ба профили сохтории дигар бо мурури вақт эътироф мешавад.

Маҳдудиятҳои асосии таҳқиқот

45 кишвар ва давраи 10-сола: Намунаи 2014–2023 метавонад ҳамаи иқтисодҳои ҷаҳон ё тағйироти давраи дарозтарро намояндагӣ накунад.

Вобастагӣ аз интихоби вурудҳо: Натиҷаҳо аз 12 хусусияти тавзеҳдиҳанда ва тағйирёбандаи ҳадафи интихобшуда вобастаанд. Нишондиҳандаҳои гуногуни иқтисодӣ, технологӣ ё молиявӣ метавонанд гурӯҳҳо ва натиҷаҳои пешгӯии дигар ба вуҷуд оранд.

Вобастагӣ аз интихоби ҳафт гурӯҳ: Гарчанде шумораи гурӯҳҳо ба меъёрҳои дохилии сифат такя мекунад, мушаххасоти алтернативии гурӯҳбандӣ метавонанд сохторҳои гурӯҳии дигар тавлид кунанд.

Меъмории MLP ба таври пурраи ададӣ гузориш нашудааст: Порчаи коди манбаъ тағйирёбандаи меъмориро дар шакли hidden_layer_sizes = arch истифода мебарад, аммо дар ҷадвали мушаххасоти намоёни модел сохтори дақиқи қабат/нейрон барои ин arch дода нашудааст.

Ҷузъиёти тақсимоти %70/%30 маҳдуд аст: Манбаъ таносуби омӯзиш-санҷишро зикр мекунад, аммо дар шарҳи асосии усул хусусияти замонӣ ё тасодуфии тақсимотро муфассал шарҳ намедиҳад.

Cross-validation ва маҷмӯи васеи robustness вуҷуд надорад: Манбаъ инро ҳамчун ниёзи ошкор барои таҳқиқоти оянда зикр мекунад.

Моделҳои алтернативии омӯзиши мошинӣ санҷида нашудаанд: Пешниҳод мешавад, ки дар оянда Random Forest, Gradient Boosting, XGBoost ва Support Vector Regression муқоиса шаванд.

Иҷроиши модел байни гурӯҳҳо яксон нест: MLP дар Гурӯҳҳои 1 ва 5 аз рӯи R² нисбат ба модели хаттӣ пасттар иҷро мекунад.

Механизмҳои сиёсӣ ба таври эмпирикӣ санҷида нашудаанд: Қисми идоракунии муштараки D-CPFR назариявӣ ва сенария-асос аст.

Далели сабабият нест: Робитаҳои моделӣ байни нишондиҳандаҳо ва омили партоби CO₂ исбот намекунанд, ки тағйирёбандаҳои муайян партобҳоро сабабан зиёд ё кам мекунанд.

Таҳқиқоти оянда

Манбаъ мегӯяд, ки бояд маҷмӯи додаҳои панелии дорои фарогирии васеътари кишварҳо ва вақт истифода шаванд.

Ҳамчунин муқоиса бо:

• Random Forest,
• Gradient Boosting,
• XGBoost,
• Support Vector Regression

барин моделҳои алтернативӣ пешниҳод шудааст.

Татбиқи cross-validation ва таҳлилҳои фарогиртари robustness, васеъ кардани нишондиҳандаҳои молиявӣ ва технологӣ ва таҳияи платформаҳои воқеии рақамии дастгирии қарор барои D-CPFR низ аз самтҳои таҳқиқоти оянда мебошанд.

Муҳимтарин қадами оянда татбиқи ҳамоҳангсозии intracluster ва intercluster дар ҳолатҳои воқеии сиёсӣ ва чен кардани он аст, ки фоидаҳои пешбинишуда воқеан ба вуҷуд меоянд ё не.

Хулосаи умумии илмӣ

Таҳқиқот нишон медиҳад, ки равандҳои декарбонизатсияи кишварҳо набояд дар доираи як модели иқтисодӣ ё технологӣ якхела қабул карда шаванд.

Таҳлили SOM мушоҳидаҳои кишвар-соли 45 кишварро ба ҳафт гурӯҳи сохтории гуногун ҷудо карда, нишон дод, ки онҳо аз ҷиҳати вобастагӣ ба сӯзишвории истихроҷӣ, шиддатнокии энергия, нуфузи энергияи барқароршаванда, электрификатсия ва омили партоби CO₂ фарқ мекунанд.

Моделҳои MLP-и хоси гурӯҳ махсусан дар Гурӯҳҳои 2, 3, 4 ва 6, ки робитаҳои ғайрихаттӣ қавитаранд, нисбат ба benchmark-и хаттӣ иҷроиши баландтари пешгӯӣ нишон доданд.

Натиҷаи барҷастатарин дар Гурӯҳи 4 дида шуд; арзиши test R² аз 0,28 дар регрессияи хаттӣ то 0,88 дар MLP боло рафт.

Баръакс, дар Гурӯҳи 0 ҳар ду модел R²-и баробар доданд, дар Гурӯҳҳои 1 ва 5 бошад MLP аз рӯи R² аз регрессияи хаттӣ пасттар монд. Аз ин рӯ, натиҷаҳои манбаъ на бартарии худкори зеҳни сунъӣ, балки зарурати фарқгузории интихоби модел мувофиқи хусусиятҳои сохтории гурӯҳи кишварҳоро дастгирӣ мекунанд.

Саҳми назариявии D-CPFR дар он аст, ки ин қабати пешгӯиро бо сохтори идоракунии бисёрмеъёрӣ, ки банақшагирии муштараки сиёсат, ҳамоҳангсозии сармоягузорӣ, интихоби технология ва тавозуни хатар-фоидаи иҷтимоиро дар бар мегирад, муттаҳид мекунад.

Аммо азбаски қисми идоракунии модел то ҳол дар кишварҳои воқеӣ татбиқ нашудааст, гуфтан мумкин нест, ки D-CPFR декарбонизатсияи ҷаҳониро амалан суръат бахшидааст ё миқдори муайяни коҳиши партобҳоро ба вуҷуд овардааст.

Бехатартарин хулосаи дастгиришудаи таҳқиқот ин аст, ки аввал ҷудо кардани гуногунии сохторӣ тавассути гурӯҳбандӣ ва сипас истифодаи моделҳои ғайрихаттии хоси гурӯҳ метавонад дар баъзе гурӯҳҳои кишварҳо пешгӯии омили партоби CO₂-ро нисбат ба як модели ягонаи глобалии хаттӣ ба таври назаррас беҳтар кунад.

Ёддошт оид ба Манбаъ ва Усул

Унвони аслии таҳқиқот: AI-Driven Collaborative Energy Decision-Making Model for Macroeconomic Decarbonization

Муаллифон: Olena Zhytkevych; Andriy Matviychuk; Natalia Osadcha.

Corresponding author: Natalia Osadcha.

Муассисаҳо: College of Business, American University of Kurdistan, Duhok, Iraq; Department of Artificial Intelligence, Modeling and Statistics, Kyiv National Economic University named after Vadym Hetman, Kyiv, Ukraine; Department of Social Sciences, Technology and Arts, Luleå University of Technology, Sweden.

Маҷалла: Economies.

Ношир: MDPI, Basel, Switzerland.

Сабти библиографӣ: Economies 2026, 14, 400.

DOI: 10.3390/economies14090400

Муҳаррирони академӣ: Won Sang Lee; Yonghan Ju.

Санаи пешниҳод: 27 июли 2026.

Санаи бознигарӣ: 18 августи 2026.

Санаи қабул: 27 августи 2026.

Санаи нашр: 8 сентябри 2026.

Навъи манбаъ: Моделсозии эмпирикӣ ва чаҳорчӯбаи назариявии дастгирии қарор бо истифода аз зеҳни сунъии гибридӣ, гурӯҳбандӣ ва оптимизатсияи сенария.

Фарогирии таҳқиқот: 45 кишвар, 2014–2023.

Маҷмӯи ибтидоии нишондиҳандаҳо: 13 нишондиҳандаи солонаи энергия, демография, иқтисод, хатар, ҷаҳонишавӣ ва муҳити зист.

Маҷмӯи хусусиятҳои тавзеҳдиҳанда: 12 predictor пас аз feature selection, табдил ва feature engineering.

Тағйирёбандаи ҳадаф: Логарифми омили миёнаи партоби CO₂.

Стандартизатсияи маълумот: Тибқи Source Table A4, z-score standardization.

Ҷудокунии омӯзиш/санҷиш: %70 / %30.

Benchmark: Pooled multiple linear regression дар ҳамаи мушоҳидаҳои кишвар-сол.

Усули гурӯҳбандӣ: Self-Organizing Map.

Шумораи гурӯҳҳо: 7.

Меъёрҳои интихоби шумораи гурӯҳҳо: Индексҳои Silhouette, Davies–Bouldin ва Calinski–Harabasz.

Модели ғайрихаттӣ: Multilayer Perceptron-и алоҳида барои ҳар гурӯҳ.

Фаъолсозии қабати пинҳонӣ: Logistic/sigmoid.

Фаъолсозии баромад: Linear.

Optimizer: Adam.

Такрори ҳадди аксар: 3000.

Early stopping: True.

Learning rate: Adaptive.

Loss: Mean Squared Error.

Меъёрҳои арзёбии модел: R², MAE, MSE.

Натиҷаи асосии иҷроиш: R²-и MLP нисбат ба LR дар Гурӯҳи 2 аз 0,72 → 0,98; дар Гурӯҳи 3 аз 0,36 → 0,51; дар Гурӯҳи 4 аз 0,28 → 0,88; дар Гурӯҳи 6 аз 0,57 → 0,85. Дар Гурӯҳи 0 ҳар ду модел 0,97; дар Гурӯҳи 1 0,82 → 0,80; дар Гурӯҳи 5 0,55 → 0,27.

Тағйирёбандаҳои сенарияи D-CPFR: Қарорҳои сиёсӣ, сармоягузорӣ, технология ва танзимкунанда.

Меъёрҳои оптимизатсия: Инҳироф аз сатҳи ҳадафии CO₂, хароҷоти татбиқ, хатари геополитикӣ/молиявӣ/технологӣ ва фоидаи иҷтимоӣ.

Равиши Intracluster: Ҳамоҳангсозии иттилоот, сиёсат ва сармоягузорӣ байни кишварҳои аз ҷиҳати сохторӣ монанд.

Равиши Intercluster: Интиқоли технология, ҳамкории сармоягузорӣ ва мубодилаи донишҳои институтсионалӣ байни гурӯҳҳои дорои профилҳои гуногуни декарбонизатсия.

Марзи эмпирикӣ: Таҳқиқот иҷроиши пешгӯии гурӯҳ-асосро месанҷад; натиҷаҳои партоб, хароҷот ё иҷтимоии ҳамкории intracluster ё intercluster-ро дар муҳити воқеии сиёсӣ мустақиман намесанҷад.

Манбаъҳои маълумот: EnerData (2024), World Bank (2024), Geopolitical Risk Index (2025).

Дастрасии маълумот/код: Манбаъҳои додаҳои хом оммавӣ мебошанд. Гуфта шудааст, ки маҷмӯи додаҳои коркардшуда ва коди моделсозиро аз corresponding author бо дархости асоснок гирифтан мумкин аст.

Нармафзор: Python 3.11, NumPy, Pandas, Scikit-learn, MiniSom 2.3.5 ва scikit-fuzzy 0.5.0 дар таҳлили гурӯҳбандӣ.

Кумитаи этика: Азбаски иштирокчии инсон ё ҳайвон вуҷуд надорад, татбиқ намешавад.

Ризоияти огоҳона: Татбиқ намешавад.

Изҳороти истифодаи AI: Зеҳни сунъии тавлидӣ барои тавлиди маълумот, моделсозӣ ё таҳлили илмӣ истифода нашудааст. Муаллифон изҳор мекунанд, ки ChatGPT-ро танҳо барои таҳрири забон, ислоҳи код, тарҷума ва дастгирии форматкунӣ истифода кардаанд; ҳамаи натиҷаҳоро санҷидаанд ва масъулияти илмӣ ба дӯши худи онҳост.

Саҳми муаллифон: Консептуализатсия: O.Z. ва A.M.; методология: O.Z. ва A.M.; нармафзор: O.Z.; санҷиш: O.Z., A.M. ва N.O.; таҳлили формалӣ: O.Z.; таҳқиқот: O.Z.; захираҳо ва идоракунии маълумот: O.Z. ва A.M.; тарҳи аввал: O.Z. ва A.M.; бознигарӣ ва таҳрир: O.Z., A.M. ва N.O.; визуализатсия: O.Z.; supervision: A.M.; идоракунии лоиҳа: N.O. Ҳамаи муаллифон версияи нашршударо хонда ва тасдиқ кардаанд.

Маблағгузорӣ: Таҳқиқот гранти махсуси таҳқиқотӣ нагирифтааст. Article Processing Charge аз ҷониби Luleå University of Technology пардохт шудааст.

Бархӯрди манфиатҳо: Муаллифон изҳор кардаанд, ки бархӯрди манфиатҳо вуҷуд надорад.

Иҷозатнома: Creative Commons Attribution 4.0 (CC BY).

Маҳдудиятҳои асосии методологӣ: Фарогирии маълумот бо 45 кишвар ва давраи 2014–2023 маҳдуд аст; натиҷаҳо аз нишондиҳандаҳои интихобшуда, сохтори ҳафтгурӯҳӣ ва фарзияҳои модел вобастаанд; усулҳои алтернативии ML ва маҷмӯи фарогири cross-validation/robustness санҷида нашудаанд; ҷузъиёти татбиқи ҷудокунии омӯзиш-санҷиш маҳдуд гузориш шудааст; меъмории ададии hidden-layer-и MLP дар мушаххасоти намоён ошкоро дода нашудааст; MLP дар баъзе гурӯҳҳо нисбат ба LR R²-и пасттар медиҳад; сенарияҳои сиёсати муштарак дар ҷаҳони воқеӣ татбиқ нашудаанд. Натиҷаҳоро набояд ҳамчун таъсири мустақими сабабии сиёсати иқлим тафсир кард.