[论文解读] 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 5

一句话总结

本研究利用历史数据，对印度17项气候变化参数应用线性、指数和多项式回归模型，成功预测了2025年、2030年和2035年的趋势。该模型提供了可操作的预测结果，以支持印度的气候韧性规划和公众意识提升。

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.

研究动机与目标

• 利用历史数据分析印度17项关键气候变化参数的长期趋势。
• 开发未来气候状况的预测模型，以支持主动的政策与适应策略。
• 利用机器学习技术——特别是回归模型——提高气候变化影响预测的准确性。
• 为印度社区和机构生成可操作的、数据驱动的洞察，以减轻气候风险。
• 通过使预测性气候数据易于获取和理解，提升公众意识。

提出的方法

• 收集了包括气温、降雨量、海平面上升和冰川融化在内的17项气候参数的历史数据。
• 应用线性、指数和多项式回归模型，以确定每项参数的最佳拟合趋势。
• 基于跨越数十年的历史数据训练模型，以预测未来数值。
• 使用标准回归指标评估模型性能，为每项参数选择最优模型。
• 将预测结果扩展至2025年、2030年和2035年，以支持长期气候规划。
• 利用结果生成面向公众的可视化图表和预测结果，用于政策制定和意识提升。

实验结果

研究问题

• RQ1 基于历史数据，印度关键气候参数随时间的趋势如何？
• RQ2 在印度参数的未来气候趋势预测中，线性、指数或多项式回归模型中哪一种表现最佳？
• RQ3 2025年、2030年和2035年，印度17项气候变化指标的预测值是多少？
• RQ4 机器学习模型在多大程度上可提升印度区域规划中的气候预测准确性？
• RQ5 预测性气候建模在多大程度上可增强印度的公众意识与政策准备度？

主要发现

• 本研究成功利用回归技术对印度17项气候变化参数进行了建模与预测。
• 多项式回归对温度上升和冰川融化等非线性趋势提供了最佳拟合。
• 预测显示，到2035年，平均气温和海平面将显著上升，表明气候变化影响正在加速。
• 降雨量模式的预测结果表现出高度变异性，表明存在区域差异以及季风预测不确定性增加。
• 地下水位和冰川融化被预测将持续下降，凸显长期水资源风险。
• 模型输出以可操作的预测结果形式呈现，以支持气候适应规划和公众意识提升举措。