Machine learning model to project the impact of COVID-19 on US motor gasoline demand

2019年冠状病毒病(COVID-19) 汽油 严重急性呼吸综合征冠状病毒2型(SARS-CoV-2) 2019-20冠状病毒爆发 经济 计算机科学 汽车工程 环境科学 病毒学 工程类 医学 废物管理 传染病(医学专业) 爆发 病理 疾病
作者
Shiqi Ou,Xin He,Weiqi Ji,Wei Chen,Lang Sui,Yu Gan,Zifeng Lü,Zhenhong Lin,Sili Deng,Steven Przesmitzki,Jessey Bouchard
出处
期刊:Nature Energy [Springer Nature]
卷期号:5 (9): 666-673 被引量:63
标识
DOI:10.1038/s41560-020-0662-1
摘要

Owing to the global lockdowns that resulted from the COVID-19 pandemic, fuel demand plummeted and the price of oil futures went negative in April 2020. Robust fuel demand projections are crucial to economic and energy planning and policy discussions. Here we incorporate pandemic projections and people's resulting travel and trip activities and fuel usage in a machine-learning-based model to project the US medium-term gasoline demand and study the impact of government intervention. We found that under the reference infection scenario, the US gasoline demand grows slowly after a quick rebound in May, and is unlikely to fully recover prior to October 2020. Under the reference and pessimistic scenario, continual lockdown (no reopening) could worsen the motor gasoline demand temporarily, but it helps the demand recover to a normal level quicker. Under the optimistic infection scenario, gasoline demand will recover close to the non-pandemic level by October 2020. The COVID 19 pandemic and consequent lockdown has had a substantial impact on mobility and therefore fuel demand and it is not clear when demand will recover. Ou et al. use a machine learning model that integrates health recovery scenarios to project the near-term future of gasoline demand.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
啵啵发布了新的文献求助10
2秒前
iansky完成签到,获得积分10
3秒前
qingniujushi发布了新的文献求助30
5秒前
5秒前
6秒前
善学以致用应助T拐拐采纳,获得10
7秒前
7秒前
万能图书馆应助一二三四采纳,获得10
9秒前
deer完成签到 ,获得积分10
11秒前
乔木木发布了新的文献求助10
12秒前
13秒前
14秒前
14秒前
传奇3应助吕lvlvlvlvlv采纳,获得30
15秒前
17秒前
清秀帆布鞋完成签到,获得积分10
18秒前
18秒前
asww发布了新的文献求助10
19秒前
19秒前
Ava应助wangfang采纳,获得10
21秒前
T拐拐发布了新的文献求助10
21秒前
迅速冥茗完成签到,获得积分10
23秒前
科目三应助aimeejjr采纳,获得10
24秒前
26秒前
韭菜发布了新的文献求助10
30秒前
30秒前
在水一方应助小于采纳,获得10
31秒前
32秒前
35秒前
35秒前
36秒前
无花果应助科研通管家采纳,获得10
36秒前
CodeCraft应助科研通管家采纳,获得10
37秒前
打打应助科研通管家采纳,获得10
37秒前
丘比特应助科研通管家采纳,获得10
37秒前
科研通AI2S应助科研通管家采纳,获得30
37秒前
37秒前
37秒前
37秒前
37秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Effect of reactor temperature on FCC yield 2000
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 1800
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3313635
求助须知:如何正确求助?哪些是违规求助? 2945967
关于积分的说明 8527797
捐赠科研通 2621588
什么是DOI,文献DOI怎么找? 1433891
科研通“疑难数据库(出版商)”最低求助积分说明 665098
邀请新用户注册赠送积分活动 650637