[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-127836-pt":3,"doc-seo-127836-112":30,"detail-sidebar-cat-0-pt-112":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},127836,1099523885336,"Violet","https://ap-avatar.wpscdn.com/davatar_276721f389ce27ea32af1340a28f341c",32,"Pesquisa e Relatórios","Previsão das emissões de dióxido de carbono até 2030 - usando técnicas de previsão convencionais e modelos de Machine Learning","Esta dissertação estuda as emissões globais de dióxido de carbono e estima previsões até 2030 com técnicas de previsão convencionais e métodos de aprendizagem automática. A análise considera dados das emissões por tipo de combustível e fontes renováveis para todos os continentes e para Portugal. Os resultados indicam que o Random Forest produz previsões mais precisas do que o ARIMA. As projeções revelam diferenças relevantes entre regiões: aumentos na Ásia, América do Sul e África, e diminuições na Europa, América do Norte, Austrália e Portugal, sem convergência para a meta de -55% do Acordo de Paris.","Predicting Carbon Dioxide Emissions until 2030 using Conventional Forecast Techniques and Machine Learning Models  \nPedro Albuquerque  \nDissertation written under the supervision of professor Nicolò  \nBertani  \nDissertation submitted in partial fulfilment of requirements for the MSc in Business Analytics, at the Católica Lisbon School of Business  \nand Economics, 5th April 2023.  \nAbstrato  \nEsta dissertação estuda as emissões globais de dióxido de carbono e estima previsões até 2030 usando técnicas de previsão convencionais e métodos de aprendizagem automática. Os dados sobre as emissões por tipo de combustível e fontes renováveis serão analisados para todos os continentes e para Portugal. Verificamos que o modelo de aprendizagem automática Random Forest produz previsões mais precisas do que o ARIMA convencional. As previsões feitas mostram que os níveis previstos de emissões de dióxido de carbono nos vários continentes variam significativamente. As emissões devem aumentar na Ásia, América do Sul e África, enquanto diminuem na Europa, América do Norte, Austrália e Portugal. No entanto, nenhum dos continentes está no caminho certo para alcançar a meta de redução de 55% estabelecidapelo Acordo de Paris. América do Norte e Europa estão progredindo, mas ainda estão 20% abaixo dos valores esperados.  \nPalavras Chave: Acordo de Paris, Dióxido de Carbono, ARIMA , Machine Learning  \nTítulo: Previsão das emissões de dióxido de carbono até 2030 usando técnicas de previsão convencionais e modelos de Machine Learning  \nAutor: Pedro Manuel de Oliveira Albuquerque  \nAbstract  \nThis dissertation investigates global carbon dioxide emissions and provides forecasts through 2030 using both conventional forecasting techniques and machine learning methods. Data onemissions by fuel type and renewable sources will be analysed for all continents and Portugal. We find that the Random Forest machine learning model produces more accurate forecasts than the conventional ARIMA. Our findings show that the predicted levels of carbon dioxide emissions on the various continents vary significantly. Emissions are predicted to rise in Asia, South America, and Africa while falling in Europe, North America, Australia, and Portugal. However, none of the continents are on track to reach the 55% reduction target set by the Paris Agreement. North America and Europe are making progress, but still 20% away from the expected values.  \nKeywords: Carbon Dioxide; Paris Agreement; ARIMA; Machine Learning.  \nTitle: Predicting Carbon Dioxide Emissions until 2030 using Conventional Forecast Techniques and Machine Learning Models  \nAuthor: Pedro Manuel de Oliveira Albuquerque  \nContents  \nTable of Contents  \nChapter 1................................................................................................................................................ 1  \nIntroduction ....................................................................................................................................... 1  \nChapter 2................................................................................................................................................ 2  \nLiterature Review .............................................................................................................................. 2  \nContext ............................................................................................................................................... 2  \nCarbon Dioxide Laws & Agreements .......................................................................................... 2  \nTypes of Fossil Energies ................................................................................................................ 3  \nRenewable Energies ...................................................................................................................... 4  \nMethods ....................................................................................................","cbCaimPoMlFPNmtC","https://ap.wps.com/l/cbCaimPoMlFPNmtC","pdf",3332927,1,58,"Portuguese","pt",112,"# Introdução\n# Revisão da Literatura\n## Leis e Acordos sobre o Dióxido de Carbono\n## Tipos de Energias Fósseis\n## Energias Renováveis\n## Métodos\n## Previsões\n## Naïve\n## ARIMA\n## Holt-Winters\n## Machine Learning\n## Random Forest\n## Gradient Boosting\n## Redes Neuronais\n## Métricas de Erro\n# Metodologia\n## Descrição do problema e dos dados\n## Modelos de previsão\n# Resultados e discussão","[{\"question\":\"Que horizonte temporal e variáveis são analisadas na dissertação?\",\"answer\":\"O estudo prevê emissões globais de dióxido de carbono até 2030 e analisa dados por tipo de combustível e por fontes renováveis, para todos os continentes e para Portugal.\"},{\"question\":\"Qual modelo apresenta melhor desempenho em comparação com o ARIMA?\",\"answer\":\"O modelo de aprendizagem automática Random Forest produz previsões mais precisas do que o modelo convencional ARIMA.\"},{\"question\":\"Como mudam as emissões projetadas por região e qual o impacto face à meta do Acordo de Paris?\",\"answer\":\"As projeções indicam aumento na Ásia, América do Sul e África e diminuição na Europa, América do Norte, Austrália e Portugal. Ainda assim, nenhum continente está no caminho para atingir a redução de 55% prevista no Acordo de Paris, embora América do Norte e Europa estejam a progredir.\"}]","Previsão das emissões de dióxido de carbono até 2030 - usando técnicas de previsão convencionais e modelos de Machine Learning | PDF",1785942253,89,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":28},"forecast-of-carbon-dioxide-emissions-up-to-2030-using-conventional-forecasting-techniques-and-machine-learning-models","",{"@graph":36,"@context":86},[37,54,69],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/pt/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/pt/document/pesquisa-e-relatórios/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/pt/document/forecast-of-carbon-dioxide-emissions-up-to-2030-using-conventional-forecasting-techniques-and-machine-learning-models/127836/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-24","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Que horizonte temporal e variáveis são analisadas na dissertação?","Question",{"text":76,"@type":77},"O estudo prevê emissões globais de dióxido de carbono até 2030 e analisa dados por tipo de combustível e por fontes renováveis, para todos os continentes e para Portugal.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Qual modelo apresenta melhor desempenho em comparação com o ARIMA?",{"text":81,"@type":77},"O modelo de aprendizagem automática Random Forest produz previsões mais precisas do que o modelo convencional ARIMA.",{"name":83,"@type":74,"acceptedAnswer":84},"Como mudam as emissões projetadas por região e qual o impacto face à meta do Acordo de Paris?",{"text":85,"@type":77},"As projeções indicam aumento na Ásia, América do Sul e África e diminuição na Europa, América do Norte, Austrália e Portugal. Ainda assim, nenhum continente está no caminho para atingir a redução de 55% prevista no Acordo de Paris, embora América do Norte e Europa estejam a progredir.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,119,121,125,129],{"id":95,"doc_module":4,"doc_module_name":46,"category_name":96,"show_sort_weight":97,"slug":98},26,"Contos e Romances",60,"story-novel",{"id":100,"doc_module":4,"doc_module_name":46,"category_name":101,"show_sort_weight":97,"slug":102},46,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":46,"category_name":105,"show_sort_weight":97,"slug":106},28,"Exames","exam",{"id":108,"doc_module":4,"doc_module_name":46,"category_name":109,"show_sort_weight":97,"slug":110},47,"Geral","general",{"id":112,"doc_module":4,"doc_module_name":46,"category_name":113,"show_sort_weight":97,"slug":114},29,"Histórias em Quadrinhos","comic",{"id":116,"doc_module":4,"doc_module_name":46,"category_name":117,"show_sort_weight":97,"slug":118},27,"Literatura","literature",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":97,"slug":120},"research-report",{"id":122,"doc_module":4,"doc_module_name":46,"category_name":123,"show_sort_weight":97,"slug":124},33,"Religião e Espiritualidade","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":46,"category_name":127,"show_sort_weight":97,"slug":128},31,"Saúde e Cuidados","healthcare",{"id":130,"doc_module":4,"doc_module_name":46,"category_name":131,"show_sort_weight":97,"slug":132},45,"Tecnologia","technology"]