Dự báo mưa cực trị tuần hạn nội mùa sử dụng phương pháp học máy
Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Hà Thị Hương Giang |
| Người hướng dẫn | Công Thanh |
| Cơ sở đào tạo | Đại học Quốc gia Hà Nội |
| Năm | 2024 |
| Nguồn | Thư viện số Đại học Quốc gia Hà Nội · trang gốc |
Tóm tắt
Chọn được bộ nhân tố dự báo cho bài toán dự báo cực trị mưa. Áp dụng 2 mô hình học máy là Random Forest và Extreme Gradient Boosting để dự báo cực trị mưa hạn dưới mùa. So sánh kết quả dự báo từ mô hình học máy với kết quả trực tiếp từ dự báo của ECMWF từ số liệu S2S.
Bản toàn văn lưu tại thư viện Đại học Quốc gia Hà Nội
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Automated localization and repair for variability faults in software product lines
- Advanced Machine Learning Models and Applications in Scientific Multi-document Summarization
- Một số phương pháp đảm bảo an ninh và ràng buộc thời gian thực thi cho các ứng dụng Web
- Smart agriculture system design and implementation
- Website development about rice rubber company
- Nghiên cứu xây dựng cơ sở dữ liệu hệ thống thông tin địa lý (GIS) tỉnh Phú Thọ phục vụ bảo vệ môi trường và phát triển bền vững
- Building an e-commerce website selling second-hand items
- Deep learning approach for driver behavior analysis
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.