ІНТЕГРОВАНА МОДЕЛЬ УЗГОДЖЕНОГО ПРОГНОЗУВАННЯ ТА УПРАВЛІННЯ ДЕКАРБОНІЗАЦІЄЮ КРАЇНАМИ
DOI:
https://doi.org/10.60022/3(4)-41SКлючові слова:
зелена економіка, машинне навчання, кластеризація, макроекономічне моделювання, викиди CO₂, нейронні мережі, сталий розвитокАнотація
У статті розглянуто методологічні основи авторської інтегрованої моделі Decarbonization – Collaborative Planning, Forecasting and Replenishment (D-CPFR) для оцінювання та координації процесів декарбонізації на макроекономічному рівні. Модель поєднує кластеризацію країн на основі self-organizing maps та нелінійного прогнозування із застосуванням multilayer perceptron та механізми міжкластерної взаємодії. Обґрунтовано, що запропонований підхід дозволяє враховувати структурну неоднорідність економік, формувати адаптивні сценарії енергетичного переходу та підтримувати прийняття рішень у сфері кліматичної політики, зелених інвестицій і міжнародної координації декарбонізаційних стратегій країнами-учасниками.
Посилання
1. Yao, P., Xiangyu, W., & Xiaoyun, W. (2026). Unpacking the black box: Multiple mechanisms of environmental regulation on carbon emission intensity. Sustainable Futures, 9, 101822. https://doi.org/10.1016/j.sftr.2026.101822
2. Miroshnychenko, I., Kravchenko, T., & Drobyna, Y. (2021). Forecasting electricity generation from renewable sources in developing countries (on the example of Ukraine). Neuro-Fuzzy Modeling Techniques in Economics, 10, 164–198. https://doi.org/10.33111/nfmte.2021.164
3. Peng, Y. H., Khairudin, N. B., & Salleh, D. B. (2026). Predicting corporate carbon disclosure in China: Evidence from interpretable machine learning. Sustainability, 18(4), 4022. https://doi.org/10.3390/su18084022
4. Zatonatska, T., Soboliev, O., Artyukhov, A., Zatonatskiy, D., Balan, V., Wołowiec, T., & Woźniak, D. (2025). Sustainable energy investments: ESG-centric evaluation and planning of energy projects. Energies, 18(8), Article 1942. https://doi.org/10.3390/en18081942
5. Zatonatska, T., Soboliev, O., Zatonatskiy, D., Dluhopolska, T., Rutkowski, M., & Rak, N. (2024). A comprehensive analysis of the best practices in applying environmental, social, and governance criteria within the energy sector. Energies, 17(12), 2950. https://doi.org/10.3390/en17122950
6. Liu, P., Guo, N., & Liu, Y. (2026). Corporate digital transformation, carbon emissions, and ESG performance. Empirical Economics. Advance online publication. https://doi.org/10.1007/s00181-026-02918-1
7. Suprême, H., de Montigny, M., Sorto-Ventura, K. R., et al. (2026). An annual quasi-static time-series simulation framework for enhanced transmission system expansion planning. arXiv. https://doi.org/10.48550/arXiv.2605.00231
8. Usman, M., Akbar, A., & Hedvicakova, M. (2026). The economic impact of decarbonization. Discover Sustainability, 7(1). https://doi.org/10.1007/s43621-026-03318-2
9. Wei, H., & Wang, Y. (2026). Environmental regulation, corporate ESG environmental performance and the mediating role of green innovation: Evidence from China. Business Ethics, the Environment & Responsibility. Advance online publication. https://doi.org/10.1111/beer.70116
10. Setiawan, N., Soewarno, N., Rahmiati, A., et al. (2026). The impact of green innovation on business performance in the Indonesian automotive industry: The moderating role of environmental regulation. Measuring Business Excellence. Advance online publication. https://doi.org/10.1108/MBE-10-2025-0230
11. Zhi, J., Shi, D., & Ouyang, X. (2026). Towards carbon neutrality: The effects of environmental regulatory distance on corporate carbon emissions. Cogent Economics & Finance, 14(1). https://doi.org/10.1080/23322039.2026.2654239
12. EnerData. (2024). World Energy & Climate Statistics – Yearbook 2024 [Dataset]. https://yearbook.enerdata.net/total-energy/world-consumption-statistics.html (accessed: 11.05.2026).
13. World Bank. (2024). World Development Indicators [Dataset]. https://datacatalog.worldbank.org/
search/dataset/0037712 (accessed: 11.05.2026).
14. Geopolitical Risk Index. (2025). Geopolitical Risk Index [Dataset]. https://www.geopriskindex.com/results-final-risk-index/ (accessed: 11.05.2026).
15. Kohonen, T. (2013). Essentials of the self-organizing map. Neural Networks, 37, 52–65. https://doi.org/10.1016/j.neunet.2012.09.018
16. Zhytkevych, O. (2025). Review and selection of clustering algorithms for datasets in the context of countries’ decarbonization. Economy of Ukraine, 68(11), 43–55. https://doi.org/10.15407/economyukr.2025.11.043
17. Zhytkevych, O., Matviychuk, A., & Kmytiuk, T. (2023). Modeling nations’ decarbonisation potential. In F. Ortiz-Rodríguez, S. Tiwari, P. Usoro Usip, & R. Palma (Eds.), Communications in Computer and Information Science (Vol. 1888, pp. 60–77). Springer. https://doi.org/10.1007/978-3-031-43940-7_6
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Olena Zhytkevych (Автор)
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
Сторінка у Facebook
