Wykorzystanie nowoczesnych algorytmów uczenia głębokiego do przewidywania poziomu wód podziemnych

Termin obrony: 10.10.2023 PDF

Opis: Celem pracy jest stworzenie i wytrenowanie modelu uczenia głębokiego przydatnego do predykcji poziomu wód podziemnych na podstawie danych meteorologicznych. Praca skupia się na problemie przewidywania szeregów czasowych za pomocą rekurencyjnych sieci neuronowych, a następnie porównaniu otrzymanych rezultatów z wybranym algorytmem klasycznego uczenia maszynowego. Jako dane egzogeniczne posłużyły zbiory danych z dwóch projektów NASA (GRACE i GPM-IMERG), a także reanaliza ERA-5 danych meteorologicznych.

W badaniach związanych z realizacją pracy uczestniczył mgr inż. Radosław Szostak