Predicción de emisiones de CO2 en países de la OCDE mediante redes neuronales e indicadores demográficos, económicos y de economía circular

Resumen

Introducción: Mitigar el cambio climático requiere del monitoreo y la predicción precisa de las emisiones de CO2, en particular en los países de la OCDE, donde la industrialización y el crecimiento económico han impulsado históricamente altos niveles de emisiones.
Objetivo: Predecir las emisiones de CO2 en países de la OCDE mediante un enfoque de redes neuronales que incorpora indicadores demográficos y económicos, legislación de economía circular y datos de comercio de plásticos.
Métodos: Se aplicó un diseño cuantitativo, longitudinal y predictivo a un panel de 32 países de la OCDE (1960–2023; 2.048 observaciones país-año). Las redes GRU con ventanas de uno, tres y cinco años se optimizaron con Optuna y se entrenaron con una partición temporal (entrenamiento hasta 2018, validación 2019–2021 y prueba 2022–2023). Se complementaron con calibración post-procesamiento y análisis Kernel SHAP. Los resultados se compararon con modelos de persistencia, panel de efectos fijos, Random Forest y LSTM, y se verificaron con cinco semillas aleatorias.
Resultados: La optimización y la calibración elevaron el R² de prueba de 0,053 en la red sin optimizar a 0,968 en el modelo calibrado de tres pasos (MAE = 83,7 MtCO2). Este modelo fue el más estable entre semillas (MAE = 86,7 ± 4,3 MtCO2), y la longitud de la ventana no produjo diferencias consistentes. Sin embargo, modelos de referencia simples lograron errores menores: persistencia (MAE = 11,0) y Random Forest (MAE = 45,8). El comercio de plásticos, que probablemente actúa como indicador del tamaño de la economía, y la fuerza laboral fueron las variables más influyentes, mientras que las leyes de economía circular tuvieron la contribución más débil.
Conclusiones: Las redes GRU optimizadas mediante hiperparámetros, combinadas con calibración post-procesamiento e interpretabilidad basada en SHAP, constituyen un marco eficaz y transparente para predecir las emisiones de CO2 en países de la OCDE, apoyando una planificación de políticas ambientales más realista y basada en evidencia.