Work

Application of data- driven models in geophysics

Year: 2025
Type: dissertation
Abstract: Modeli vođeni podacima karakterišu se ubrzanim razvojem zbog široke pristupačnosti i unapređenja sposobnosti procesora, softverskih paketa i računarske memorije. Primena metoda mašinskog učenja, prognoziranja i analize vremenskih serija aktivno napreduje unutar šire naučne oblasti nauke o podacima. Potencijalna područja primene ovih metoda na geofizičke, geološke i podatke koji se odnose na blisku Zemljinu okolinu su brojna i raznovrsna. Doktorska disertacija prikazuje kombinovane rezultate različitih primena prethodno pomenutih metoda, i to: primena metoda prognoziranja vremenskih serija na podatke koncentracije zagađujućih materija u vazduhu (Fejsbuk Profet model), primena metoda mašinskog učenja za imputaciju podataka koncentracije zagađujućih materija u vazduhu (dvosmerna imputacija podataka), primena metoda klasifikacije mašinskog učenja za prostornu klasifikaciju ofiolita istočne Vardarske zone (Severna Makedonija), primena metoda mašinskog učenja na podatke signala vrlo niskih frekvencija koji se prostiru subjonosferski za detekciju poremećaja amplitude pomenutih signala, primena metoda mašinskog učenja za dobijanje talasovodnih parametara oblasti D Zemljine jonosfere tokom poremećenih jonosferskih uslova usled solarnih flerova i primena statističkih metoda na podatke magnetne susceptibilnosti dobijene od uzoraka materijala sa flotacijskog jalovišta rudnika „Rudnik“ (Srbija). Svaki od prethodnih primera prikazuje primenu različitih metoda nauke o podacima (mašinsko učenje i metode prognoziranja vremenskih serija) i primenjene statistike na realne podatke, kako bi se dobile informacije koje nije moguće dobiti konvencionalnim metodama. Disertacija takođe prikazuje značaj budućih unapređenja i primene ovih metoda na geo-podatke, koji mogu imati veliki značaj za istraživače i industriju u datim domenima.
Language: sh
Open Access status: green
OpenAlex ID: W7132435631
Cites: 116
Cited by:
Related to: 9