Ulteriori informazioni
Ce livre explore l'importance d'une prévision précise des précipitations pour la gestion des ressources en eau, l'agriculture et la préparation aux catastrophes. Il présente une analyse comparative de deux modèles de prévision - la régression vectorielle de soutien (SVR) et la moyenne mobile intégrée auto-régressive saisonnière (SARIMA) - en utilisant des données pluviométriques historiques de 2008 à 2021 pour prédire les tendances de 2022 à 2026. Grâce à des techniques statistiques et de visualisation telles que l'analyse des tendances, les moyennes mobiles, les diagrammes en boîte, les cartes thermiques, les scores Z et les diagrammes de densité, l'étude identifie des modèles et des anomalies dans les données pluviométriques. Alors que les deux modèles montrent une bonne capacité de prédiction, le SVR démontre une performance supérieure, en particulier dans la capture de modèles complexes et non linéaires. L'ouvrage souligne les avantages de l'intégration des méthodes d'apprentissage automatique aux outils statistiques traditionnels pour améliorer la prévision des précipitations et soutenir les décisions fondées sur des données dans les domaines de l'agriculture, de la planification environnementale et de la résilience climatique.
Info autore
Mani N, professeur adjoint de statistiques, Sri Ramakrishna College of Arts & Science, Coimbatore.Mme Rithika S, professeur adjoint de mathématiques, Sri Ramakrishna College of Arts & Science, Coimbatore.P. K. Sivakumaran, professeur associé de statistiques, Government Arts College, Coimbatore.
