Analisi delle serie temporali dei cambiamenti climatici

Questo libro esplora l'importanza di un'accurata previsione delle precipitazioni per la gestione delle risorse idriche, l'agricoltura e la preparazione ai disastri. Presenta un'analisi comparativa di due modelli di previsione, la regressione vettoriale di supporto (SVR) e la media mobile autoregressiva stagionale integrata (SARIMA), utilizzando i dati storici delle precipitazioni dal 2008 al 2021 per prevedere le tendenze dal 2022 al 2026. Attraverso tecniche statistiche e di visualizzazione come l'analisi dei trend, le medie mobili, i box plots, le heatmaps, i Z-scores e i density plots, lo studio identifica modelli e anomalie nei dati pluviometrici. Sebbene entrambi i modelli mostrino una buona capacità predittiva, SVR dimostra prestazioni superiori, soprattutto nel catturare modelli complessi e non lineari. Il libro evidenzia i vantaggi dell'integrazione dei metodi di apprendimento automatico con gli strumenti statistici tradizionali per migliorare la previsione delle precipitazioni e supportare le decisioni basate sui dati in agricoltura, nella pianificazione ambientale e nella resilienza climatica.

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.