ОПТИМИЗАЦИЯ РАСПРЕДЕЛЕНИЯ ЗЕЛЕНЫХ ИНВЕСТИЦИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Keywords:
Искусственный интеллект, зеленая экономика, устойчивое развитие, кластеризация, ранжирование, линейное программирование, выбросы CO₂, возобновляемая энергия, инвестиции, оптимизация.Abstract
Изменение климата требует значительных инвестиций в зеленую экономику,
однако их эффективное распределение остается вызовом. В статье представлен подход к
оптимизации зеленых инвестиций с использованием методов искусственного интеллекта.
Интеграция алгоритмов кластеризации (K-Means), ранжирования (Random Forest) и
линейного программирования позволяет анализировать ключевые показатели: выбросы
CO₂, долю возобновляемой энергии, государственно-частные инвестиции и ВВП на душу
населения. Данные охватывают период 1990–2023 годов.
Кластеризация выделяет группы проектов по приоритетности, ранжирование
уточняет распределение средств внутри групп, а линейное программирование соблюдает
бюджетные ограничения. Результаты показывают, что предложенный метод увеличивает
эффективность использования ресурсов, направляя инвестиции на проекты с высокой
экологической и экономической отдачей. Исследование подтверждает практическую
ценность ИИ для реализации стратегий устойчивого развития и формирования
рациональной политики в зеленой экономике
References
Moluch.ru. Использование искусственного интеллекта в решении экологических
проблем. Применение ИИ для анализа экологических данных. Автор: Христолюбов
Павел Викторович, 2023. Доступно: https://moluch.ru/archive/543/118804/.
Sovman.ru. Использование цифровых технологий в анализе "зеленых" инвестиций.
Оценка роли цифровых технологий в оптимизации зеленых инвестиций. Автор:
Тубольцева Виктория Александровна, Харичков Евгений Александрович,
Апалькова Юлия Вячеславовна, 2023. Доступно: https://sovman.ru/item-work/2023-
/.
Научно-аналитический журнал. Искусственный интеллект в службе экологической
стабильности. Анализ применения ИИ для устойчивого управления природными
ресурсами. Автор: Нехуров Нима Андреевич, Евдокимова Инга Сергеевна, Суворов
Александр Николаевич, 2023. Доступно: https://na-journal.ru/10-2023-ekologiya/6552-
iskusstvennyi-intellekt-v-sluzhbe-ekologicheskoi-stabilnosti-rol-i-perspektivy-na-primereozera-baikal.
Всемирный банк. World Development Indicators. Данные о выбросах CO₂,
возобновляемой энергии и инвестициях. Доступно: https://data.worldbank.org.
FAO (Продовольственная и сельскохозяйственная организация ООН). FAOSTAT:Эмиссии. Данные о выбросах парниковых газов. Доступно:
https://www.fao.org/faostat/en/#data/GT.
Международное энергетическое агентство (IEA). Renewables 2023. Данные о
возобновляемых источниках энергии. Доступно: https://www.iea.org/reports/renewables-
SciPy Documentation. Linear Programming. Использование линейного
программирования для оптимизации распределения бюджета. Доступно:
https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.linprog.html.
Scikit-learn Documentation. Random Forest Regressor. Метод ранжирования проектов на
основе индикаторов. Доступно: https://scikitlearn.org/stable/modules/generated/sklearn.ensemble.RandomForestR
