MUSE-RASA captures human dimension in climate-energy-economic models via global geoAI-ML agent datasets.
MUSE-RASA captures human dimension in climate-energy-economic models via global geoAI-ML agent datasets.
复制标题
DOI：
10.1038/s41597-023-02529-w
复制
发表时间：
2023-10-12
期刊：
影响因子：
9.8
通讯作者：
Hawkes, Adam
中科院分区：
文献类型：
--
作者：
Moya, Diego;Copara, Dennis;Olivo, Alexis;Castro, Christian;Giarola, Sara;Hawkes, Adam
本文提供了一种组合的地理空间人工智能-机器学习，geoAI-ML，基于代理的，数据驱动的，技术丰富的，自下而上的方法和数据集，用于捕获气候-能源-经济模型中的人类维度。进行这项研究需要七个阶段，并建立13个数据集，以在全球28个地区对地理空间代理进行建模和参数化。从根本上说，该方法开始收集和处理数据，最后应用模块化能源系统仿真环境（MUSE），住宅空间分辨和时间显式代理（Rasa）模型。MUSE-RASA使用基于AI-ML的地理空间大数据分析来定义八种场景，以探索到本世纪中叶实现净零排放目标的长期过渡途径。该框架和数据集是气候-能源-经济模型的关键，这些模型在超越传统方法的更现实的决策过程中考虑到消费者行为和有限理性。这种方法将能源经济主体定义为在空间和时间上演变的异质和多样的实体，在外部约束下做出决策。该框架以有限理性理论、真实的竞争理论、基于Agent建模的理论基础以及GIS与ABM结合的研究进展为基础。
This article provides a combined geospatial artificial intelligence-machine learning, geoAI-ML, agent-based, data-driven, technology-rich, bottom-up approach and datasets for capturing the human dimension in climate-energy-economy models. Seven stages were required to conduct this study and build thirteen datasets to characterise and parametrise geospatial agents in 28 regions, globally. Fundamentally, the methodology starts collecting and handling data, ending with the application of the ModUlar energy system Simulation Environment (MUSE), ResidentiAl Spatially-resolved and temporal-explicit Agents (RASA) model. MUSE-RASA uses AI-ML-based geospatial big data analytics to define eight scenarios to explore long-term transition pathways towards net-zero emission targets by mid-century. The framework and datasets are key for climate-energy-economy models considering consumer behaviour and bounded rationality in more realistic decision-making processes beyond traditional approaches. This approach defines energy economic agents as heterogeneous and diverse entities that evolve in space and time, making decisions under exogenous constraints. This framework is based on the Theory of Bounded Rationality, the Theory of Real Competition, the theoretical foundations of agent-based modelling and the progress on the combination of GIS-ABM.
登录
查看更多内容
影响因子：
10.4
作者：
Moya, Diego;Copara, Dennis;Hawkes, Adam
通讯作者：
Hawkes, Adam
影响因子：
0.5
作者：
Moya, Diego;Copara, Dennis;Pérez-Navarro, Ángel
通讯作者：
Pérez-Navarro, Ángel
影响因子：
11.2
作者：
Sachs, Julia;Moya, Diego;Hawkes, Adam
通讯作者：
Hawkes, Adam
影响因子：
11.2
作者：
Moya, Diego;Budinis, Sara;Hawkes, Adam
通讯作者：
Hawkes, Adam
影响因子：
4.8
作者：
O'Neill, Brian C.;Kriegler, Elmar;van Vuuren, Detlef P.
通讯作者：
van Vuuren, Detlef P.