Nuevos métodos para analizar y afrontar nuevos retos en política climática, transformación energética y paradigmas de movilidad geografica e intergeneracional -Nuevos métodos Projects uri icon

type

  • National Research Project

reference

  • PID2022-141414OB-I00

date/time interval

  • September 1, 2023 - August 31, 2027

abstract

  • Este proyecto presenta varias líneas de investigación con el objetivo de descubrir relaciones causales en el modelado automático basado
    en Machine Learning con una contribución directa a las áreas temáticas sobre "Clima, Energía y Movilidad".
    La primera línea de investigación (Clima). Las variables climáticas están sujetas a cambios abruptos cuando se superan umbrales.
    Usaremos datos de los últimos 798000 años sobre el volumen global de hielo (Ice), el nivel de dióxido de carbono atmosférico (CO2) y la
    temperatura de la superficie terrestre antártica (Temp) para modelar y medir esos efectos climáticos no lineales a largo plazo. Las
    variables climáticas tienen ciclos muy largos y asimétricos, creados por períodos de tendencias ascendentes, seguidos de períodos de
    tendencias descendentes impulsados por variables orbitales exógenas. En esta parte del proyecto, queremos comprender los
    determinantes de los factores de cambio climático a muy largo plazo asociados con una actividad humana utilizando y ampliando la clase
    de modelos dinámicos no lineales basados en puntajes con y sin cointegración.
    Segunda Línea de investigación (Energía). La generación de renovables ha aumentado excepcionalmente su peso en los mercados
    eléctricos, y su relevancia se debe al incremento con la introducción de las recientes políticas climáticas en Europa. El efecto de orden de
    mérito ocupa el primer lugar en los impactos directos de las energías renovables en los mercados de electricidad. Sin embargo, para
    analizar su impacto, es importante controlar las diferentes fuerzas que impulsan los precios de la electricidad. Como resultado, el análisis
    a través de un modelo estructural de oferta y demanda de electricidad es interesante para capturar los controladores de precio y por lo
    tanto medir correctamente el efecto de orden de mérito. Esta línea tiene como objetivo introducir este marco en el mercado diario español,
    utilizando datos semanales para el período 2013-2019 y enfoques d

keywords

  • machine learning, clima, energía, participación política, movilidad geográfica e intergeneracional.; machine learning, climate, energy, political participation, geographic and intergenerational mobility