ПРЕДИКЦИЈА ПОРАСТА НИВОА МОРА КОРИШЋЕЊЕМ АЛГОРИТАМА МАШИНСКОГ УЧЕЊА

  • Стефан Савић
  • Јелена Сливка
Ključne reči: GMSL, глобално загревање, ниво мора, XGBoost, временске серије

Apstrakt

Због утицаја које има на планету и на људске животе, глобално загревање је тема која је постала веома значајна у последњих неколико деценија. Пораст нивоа мора представља једну од најозбиљнијих последица глобалног загревања. Главни циљ овог рада је његова предикција. Најпре је вршено прикупљање релевантних података из различитих извора. Након тога, вршено је претпроцесирање и формирање коначног скупа података који представља улаз у систем. Над претпроцесираним подацима тренинг скупа извршено је обучавање више модела међу које спада метод потпорних вектора, Наивни Бајесов модел, метод случајне шуме, Bagging и XGBoost, као и модели временских серија. Сваки од модела је за излаз имао вероватноћу да ли се десио пораст нивоа мора у односу на претходни месец, док су временске серије предвиђале тачне вредности средњег глобалног нивоа мора. Изведен је закључак да главни утицај на пораст нивоа мора представља емисија штетних гасова тј. угљен-диоксида и температуре, како на површини воде, тако и на копну.

Reference

[1] Al. Balogun, N. Adebisi, “Geomatics, Natural Hazards and Risk”, vol. 12, 2021.
[2] Harvey Zheng, “Analysis of Global Warming Using Machine Learning”, vol. 7, no. 3 2018.
[3] Veronica Nieves, Christina Radin, Gustau Camps-Valls, “Predicting regional coastal sea level changes with machine learning”, 2021.
[4] Magnus Hieronymos, Jenny Hieronymos, Frederik Hieronymos, “On the Application of Machine Learning Techniques to Regression Problems in Seal Level Studies”, Sep. 2019.
Objavljeno
2023-12-06
Sekcija
Elektrotehničko i računarsko inženjerstvo