ПРИМЕНА МОДЕЛА ВРЕМЕНСКИХ СЕРИЈА ЗА ПРЕДИКЦИЈУ СРЕДЊЕГ ГЛОБАЛНОГ НИВОА МОРА
Apstrakt
Глобално загревање се односи на стално и дугорочно повећање просечне површинске температуре Земље. То је првенствено узроковано људским активностима као што су сагоревање фосилних горива, крчење шума и испуштање штетних гасова у атмосферу, попут угљен-диоксида и метана. Глобално загревање има дубоке ефекте на океане и мора широм света. Пораст нивоа мора резултира разним последицама на Земљи и захтева хитне мере за ублажавање. Овај рад истражује како различити фактори утичу на месечни пораст нивоа мора и његове временске флуктуације. Разматрани су фактори попут температуре, стопе топљења глечера, густине мора, салинитета и нивоа угљен-диоксида. Први део рада фокусира се на прикупљању, data wrangling-у и истраживачкој анализи података (енг. Explorative Data Analysis, EDA) којима је заједнички атрибут временска одредница. Други део рада фокусира се на примену модела временских серија (енг. Time Series) коришћењем XGB Regressor-a, у циљу предвиђања тачне промене средњег глобалног нивоа мора. Користећи сређене и анализиране податке, модел може да укључи низ различитих фактора који утичу на ниво мора и да предвиди њихову промену на основу историјских образаца, са веома ниском стопом грешке.
Reference
[2] Harvey Zheng, vol. 7, no. 3 2018: Analysis of Global Warming Using Machine Learning.
[3] Veronica Nieves, Christina Radin, Gustau Camps-Valls, 2021: Predicting regional coastal sea level changes with machine learning
[4] Yeong Nain Chi, 2022: Time Series Modeling and Forecasting of Monthly Mean Sea Level (1978 – 2020): SARIMA and Multilayer Perceptron Neural Network
[5] https://www.kaggle.com/datasets/mathsian/water-temperature
[6] https://www.kaggle.com/datasets/nsidcorg/daily-sea-ice-extent-data
[7] https://www.kaggle.com/datasets/berkeleyearth/climate-change-earth-surface-temperature-data?select=GlobalTemperatures.csv
[8] https://datahub.io/core/co2-ppm
[9] https://datahub.io/core/sea-level-rise
