[論文レビュー] Analysis of various climate change parameters in India using machine learning

Rutvij Wamanse, Tushuli Patil|arXiv (Cornell University)|Jan 25, 2022

Energy Load and Power Forecasting被引用数 5

ひとこと要約

本研究では、ヒストリカルデータを用いてインドの気候変動パラメータ17項目に対して線形回帰、指数回帰、多項式回帰モデルを適用し、2025年、2030年、2035年の傾向を成功裏に予測した。このモデルは、インドにおける気候レジリエンス計画と公衆の気候意識向上を支援するための実行可能な予測を提供する。

ABSTRACT

Climate change in India is one of the most alarming problems faced by our community. Due to adverse and sudden changes in climate in past few years, mankind is at threat. Various impacts of climate change include extreme heat, changing rainfall patterns, droughts, groundwater, glacier melt, sea-level rise, and many more. Machine Learning can be used to analyze and predict the graph of change using previous data and thus design a model which in the future can furthermore be used to catalyze impactful work of climate change and take steps in the direction to help India fight against the upcoming climate changes. In this paper, we have analyzed 17 climate change parameters about India. We have applied linear regression, exponential regression, and polynomial regression to the parameters and evaluated the results. Using the designed model, we will predict these parameters for the years 2025,2030, 2035. These predicted values will thus help our community to prevent and take actions against the adverse and hazardous effects on mankind. We have designed and created this model which provides accurate results regarding all 17 parameters. The predicted values will therefore help India to be well equipped against climate change. This data when made available to the people of India will help create awareness among them and will help us save our country from the haphazard effects of climate change.

研究の動機と目的

• ヒストリカルデータを用いてインドにおける17の主要気候変動パラメータの長期的傾向を分析すること。
• 今後の気候状態を予測するモデルを開発し、前向きな政策立案および適応戦略を支援すること。
• 特に回帰モデルを活用した機械学習技術を用いて、気候変動影響の予測精度を向上させること。
• インドのコミュニティおよび機関が気候リスクを軽減できるように、実行可能でデータドリブンなイン사이트を生成すること。
• 予測された気候データを分かりやすく可視化することで、一般への気候意識を高めること。

提案手法

• 気温、降雨量、海面上昇、氷河融解など17のパラメータのヒストリカル気象データを収集した。
• 各パラメータの最適なトレンドを特定するために、線形回帰、指数回帰、多項式回帰モデルを適用した。
• 複数十年にわたるヒストリカルデータを用いてモデルを学習させ、将来の値を予測した。
• 標準的な回帰指標を用いてモデルのパフォーマンスを評価し、各パラメータに対して最適なモデルを選定した。
• 長期的気候計画を支援するため、予測を2025年、2030年、2035年まで拡張した。
• 得られた結果を基に、政策立案および啓発目的のための一般向け可視化図と予測を生成した。

実験結果

リサーチクエスチョン

• RQ1 ヒストリカルデータに基づき、インドにおける主要気候パラメータの時間的トレンドはどのように推移するか？
• RQ2 線形、指数、多項式回帰モデルのうち、どのモデルがインドの気候パラメータの今後のトレンドを最もよく予測できるか？
• RQ3 2025年、2030年、2035年のインドにおける17の気候変動指標の予測値は何か？
• RQ4 機械学習モデルは、インドにおける地域的計画に向けた気候予測精度をどの程度向上できるか？
• RQ5 予測気候モデリングは、インドにおける一般の気候意識および政策準備をどの程度向上できるか？

主な発見

• 本研究では、回帰手法を用いてインドにおける17の気候変動パラメータを成功裏にモデル化・予測した。
• 非線形トレンド（気温上昇、氷河融解など）に対しては、多項式回帰が最も良好なフィットを示した。
• 2035年には平均気温と海面上昇の著しい上昇が予測され、気候変動の影響が加速していることが示唆された。
• 降雨パターンの予測には高いばらつきが見られ、地域差やモンスーンの予測困難さが浮き彫りになった。
• 地下水位と氷河融解量は、継続的な低下が予測され、長期的な水資源リスクが浮き彫りになった。
• モデルの出力結果は、気候適応計画および一般啓発活動を支援するための実行可能な予測として提示された。