In questo progetto abbiamo usato Python per analizzare la situazione dell’inquinamento di co2, seguendo un notebook creato da un ricercatore, abbiamo costruito i modelli BAU per prevedere la tendenza futura di co2 in assenza di cambiamenti, e abbiamo costruito i modelli SR15 per prevedere la tendenza dopo GRETA per raggiungere l’obiettivo dell’assemblea di Parigi, inoltre, abbiamo generato dei grafici, sovrapponendo più dati dai diversi modelli, per vedere le differenze tra loro, e ottenere delle osservazioni utili. Nel processo nell’analisi di Muana Loa e quello globale, tutti questi due processi hanno mostrato un segno di declino in accordo con il modello che abbiamo costrutto, il modello SR15, questo caso accade però almeno in parte per la pandemia, che riduce le attività industriali. Nel ciclo di un anno, tutti questi due modelli hanno il valore massimo circa in febbraio e hanno il valore minimo circa in agosto, la popolazione e l’industria nell’emisfero boreale sono la maggioranza, in inverno si consuma molta energia per il riscaldamento e la fotosintesi delle piante si indebolisce, il che fa aumentare il livello di co2. Durante il processo dello svolgimento dell’analisi, usiamo DataFrame come struttura dei dati, DataFrame proviene dalla libreria Pandas, che è una libreria fondamentale per l’analisi dei dati in Python. Per generare i grafici, abbiamo usato la libreria Matplotlib, che genera i grafici in modo semplice e accurato. Usiamo il fitting per simulare il processo della crescita di co2, in questo processo abbiamo usato l’analisi di Fourier, il che rende il risultato molto preciso, in pratica questa tecnica è utile per prevedere la tendenza futura del cambiamento di co2 con grande precisione. Dalla nostra analisi possiamo vedere che dopo GRETA, la tendenza della crescita del livello co2 ha mostrato un significativo rallentamento, il che è un segno molto positivo, ma da un altro lato, è possibile che la pandemia abbia diminuito significativamente le attività industriali, quindi i paesi devono rimanere prudenti per lungo tempo. Possiamo vedere che i dati reali dopo GRETA assomigliano al modello SR15, questo significa che i paesi hanno più o meno ottenuto dei risultati in ridurre le emissioni di co2.

Analisi dei dati dell’inquinamento di co2 usando Python

ZANG, YUANCHENG
2021/2022

Abstract

In questo progetto abbiamo usato Python per analizzare la situazione dell’inquinamento di co2, seguendo un notebook creato da un ricercatore, abbiamo costruito i modelli BAU per prevedere la tendenza futura di co2 in assenza di cambiamenti, e abbiamo costruito i modelli SR15 per prevedere la tendenza dopo GRETA per raggiungere l’obiettivo dell’assemblea di Parigi, inoltre, abbiamo generato dei grafici, sovrapponendo più dati dai diversi modelli, per vedere le differenze tra loro, e ottenere delle osservazioni utili. Nel processo nell’analisi di Muana Loa e quello globale, tutti questi due processi hanno mostrato un segno di declino in accordo con il modello che abbiamo costrutto, il modello SR15, questo caso accade però almeno in parte per la pandemia, che riduce le attività industriali. Nel ciclo di un anno, tutti questi due modelli hanno il valore massimo circa in febbraio e hanno il valore minimo circa in agosto, la popolazione e l’industria nell’emisfero boreale sono la maggioranza, in inverno si consuma molta energia per il riscaldamento e la fotosintesi delle piante si indebolisce, il che fa aumentare il livello di co2. Durante il processo dello svolgimento dell’analisi, usiamo DataFrame come struttura dei dati, DataFrame proviene dalla libreria Pandas, che è una libreria fondamentale per l’analisi dei dati in Python. Per generare i grafici, abbiamo usato la libreria Matplotlib, che genera i grafici in modo semplice e accurato. Usiamo il fitting per simulare il processo della crescita di co2, in questo processo abbiamo usato l’analisi di Fourier, il che rende il risultato molto preciso, in pratica questa tecnica è utile per prevedere la tendenza futura del cambiamento di co2 con grande precisione. Dalla nostra analisi possiamo vedere che dopo GRETA, la tendenza della crescita del livello co2 ha mostrato un significativo rallentamento, il che è un segno molto positivo, ma da un altro lato, è possibile che la pandemia abbia diminuito significativamente le attività industriali, quindi i paesi devono rimanere prudenti per lungo tempo. Possiamo vedere che i dati reali dopo GRETA assomigliano al modello SR15, questo significa che i paesi hanno più o meno ottenuto dei risultati in ridurre le emissioni di co2.
ITA
IMPORT DA TESIONLINE
File in questo prodotto:
File Dimensione Formato  
871842_tesiyuanchengzang871842.pdf

non disponibili

Tipologia: Altro materiale allegato
Dimensione 1.84 MB
Formato Adobe PDF
1.84 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14240/104320