Modèle de Machine Learning pour estimer l’impact du COVID-19 sur la demande américaine de carburant automobile.
Mesurer et estimer l’impact sur la demande de n’importe quel produit et service est crucial pour la planification économique et énergétique et les discussions sur les politiques à adopter.
La pandémie du covid-19 a provoqué la chute de la demande de carburant presque partout dans les pays qui ont adopté une réduction des activités humaines, comme le confinement total ou partiel, afin de réduire le niveau de diffusion du virus.
Dans leur papier « Modèle de Machine Learning pour estimer l’impact du COVID-19 sur la demande américaine de carburant automobile », les auteurs de cette étude (Ou, S., He, X., Ji, W. et al. Machine learning model to project the impact of COVID-19 on US motor gasoline demand. Nat Energy 5, 666–673 (2020). https://doi.org/10.1038/s41560 -020-0662-1, July 2020), ont intégré les projections pandémiques et les activités de voyage qui en résultent et la consommation de carburant dans un modèle basé sur l’apprentissage automatique afin de projeter la demande d’essence à moyen terme des États-Unis et d’étudier l’impact de l’intervention gouvernementale.
Les auteurs ont constaté qu’en vertu du scénario d’infection de référence, la demande d’essence aux États-Unis augmente lentement après un rebond rapide en mai 2020 et qu’il est peu probable qu’elle se redresse complètement avant octobre 2020. Selon le scénario de référence et pessimiste, le verrouillage continu (pas de réouverture) pourrait aggraver temporairement la demande de carburant automobile, mais il aide la demande à retrouver un niveau normal plus rapidement. Dans le scénario optimiste de l’infection, la demande d’essence se rétablira près du niveau non pandémique d’ici octobre 2020.
