A stacked LSTM model to predict CO2 emissions in Vietnam: Evidence from international economic factors for international tourism, FDI, and export dependence
Autor: Ha Thi Thu Nguyen
Editor: SAGE Publications
Fecha de publicación: 05/12/2025
País: Estados Unidos
Tipo de documentación: Artículo de investigación
Idiomas: Inglés
Resumen: "A stacked LSTM model to predict CO2 emissions in Vietnam: Evidence from international economic factors for international tourism, FDI, and export dependence" o "Un modelo LSTM apilado para predecir las emisiones de CO2 en Vietnam: evidencia de factores económicos internacionales para el turismo internacional, la inversión extranjera directa y la dependencia de las exportaciones" es un artículo publicado en Sage Open, 15(4).
El rápido crecimiento económico de Vietnam ha intensificado las presiones ambientales, en particular las provenientes del turismo internacional, la inversión extranjera directa (IED) y la producción orientada a la exportación.
Este estudio investiga cómo estos sectores influyen colectivamente en las emisiones nacionales de CO₂ .
Utilizando datos de 1990 a 2023 procedentes de la Oficina General de Estadística de Vietnam y el Banco Mundial, este estudio aplica primero un análisis cuantitativo para evaluar las correlaciones entre estos impulsores y los niveles de CO₂ . A continuación , se utiliza un modelo avanzado de memoria apilada a largo plazo (LSTM), con preprocesamiento optimizado, para pronosticar las emisiones de 2024 a 2030. El modelo alcanza una alta precisión predictiva (RMSE = 0,1201, R₂ = 0,8657) y supera sistemáticamente a los métodos tradicionales como ARIMA, KNN, Naive Bayes y redes neuronales estándar.
Los resultados revelan fuertes vínculos positivos entre las emisiones de CO2 y la IED, las exportaciones y el turismo, con proyecciones que indican un crecimiento continuo de las emisiones, que podría estabilizarse después de 2027.
Estos hallazgos ofrecen información valiosa para desarrollar políticas que equilibren el crecimiento económico con la sostenibilidad ambiental.