Predicciones globales de CO2 y combustibles marítimos mediante aprendizaje automático y filtro Kalman.

Desarrollar un modelo predictivo para estimar el consumo de combustible marítimo global y la generación de contaminación de CO2 en esta industria  mediante técnicas de aprendizaje automático y el filtro de Kalman. 

Se busca predecir las tendencias futuras en el consumo de combustibles, considerando variables como el tipo de embarcación y el combustible utilizado, y estimar las emisiones de CO2 generadas por la flota global, mejorando la precisión de las predicciones mediante el uso del filtro de Kalman.   La industria marítima es responsable de una proporción significativa de las emisiones de CO2 a nivel global debido al consumo de combustibles fósiles en los buques. Con el objetivo de contribuir a la reducción de estas emisiones. En esta investigación se centrará en el desarrollo de modelos predictivos avanzados para estimar el consumo de combustible y las emisiones futuras de los barcos. Utilizando datos históricos del consumo de combustible de las embarcaciones reportados a la IMO (Organización Marítima Internacional), se implementarán algoritmos de machine learning, como la regresión lineal y los modelos de clasificación, para identificar patrones y prever las necesidades de combustible a nivel global.

Adicionalmente, se aplicará el filtro de Kalman para ajustar las predicciones de consumo de combustible en función de las observaciones y datos en tiempo real, mejorando así la precisión de los modelos. Este enfoque permitirá integrar la incertidumbre inherente a los datos y mejorar la fiabilidad de las estimaciones, lo cual será crucial para la planificación de políticas ambientales y estrategias de reducción de emisiones en la industria marítima. Los resultados de la investigación proporcionarán una herramienta poderosa para anticipar las necesidades de combustible y ayudarán a los gobiernos y empresas a implementar prácticas más sostenibles en el sector.