Zeitreihenanalyse des Klimawandels

Dieses Buch befasst sich mit der Bedeutung genauer Niederschlagsvorhersagen für die Bewirtschaftung von Wasserressourcen die Landwirtschaft und die Katastrophenvorsorge. Es enthält eine vergleichende Analyse von zwei Vorhersagemodellen - Support Vector Regression (SVR) und Seasonal Auto Regressive Integrated Moving Average (SARIMA) - unter Verwendung historischer Niederschlagsdaten aus den Jahren 2008 bis 2021 um Trends für den Zeitraum 2022 bis 2026 vorherzusagen. Mithilfe von statistischen und Visualisierungstechniken wie Trendanalysen gleitenden Durchschnitten Boxplots Heatmaps Z-Scores und Dichteplots werden in der Studie Muster und Anomalien in den Niederschlagsdaten identifiziert. Während beide Modelle eine gute Vorhersagefähigkeit aufweisen zeigt SVR eine überlegene Leistung insbesondere bei der Erfassung komplexer nicht-linearer Muster. Das Buch hebt die Vorteile der Integration von Methoden des maschinellen Lernens mit traditionellen statistischen Werkzeugen hervor um die Niederschlagsvorhersage zu verbessern und datengestützte Entscheidungen in der Landwirtschaft der Umweltplanung und der Klimaresilienz zu unterstützen.