Name: Analisi delle serie temporali dei cambiamenti climatici (en Italiano)
SKU: 66286387
Price: 1002.86 MXN
Availability: InStock
Author: N, Mani; S, Rithika; P. K., Sivakumaran
ISBN: 9786209012112

portada Analisi delle serie temporali dei cambiamenti climatici (en Italiano)

Analisi delle serie temporali dei cambiamenti climatici (en Italiano)

Formato

Libro Físico

Editorial

Edizioni Sapienza

Autor

N, Mani; S, Rithika; P. K., Sivakumaran

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.4 cm

ISBN13

9786209012112

Analisi delle serie temporali dei cambiamenti climatici (en Italiano)

N, Mani; S, Rithika; P. K., Sivakumaran (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo Importado

Envío: 15 a 20 días háb.

$ 2,228.57$ 1,002.86

-55%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 100 unidades

$ 1,002.86

¡Envío Gratis! Llega entre el 25 Sep y el 05 Oct a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Analisi delle serie temporali dei cambiamenti climatici (en Italiano)"

Questo libro esplora l'importanza di un'accurata previsione delle precipitazioni per la gestione delle risorse idriche, l'agricoltura e la preparazione ai disastri. Presenta un'analisi comparativa di due modelli di previsione, la regressione vettoriale di supporto (SVR) e la media mobile autoregressiva stagionale integrata (SARIMA), utilizzando i dati storici delle precipitazioni dal 2008 al 2021 per prevedere le tendenze dal 2022 al 2026. Attraverso tecniche statistiche e di visualizzazione come l'analisi dei trend, le medie mobili, i box plots, le heatmaps, i Z-scores e i density plots, lo studio identifica modelli e anomalie nei dati pluviometrici. Sebbene entrambi i modelli mostrino una buona capacità predittiva, SVR dimostra prestazioni superiori, soprattutto nel catturare modelli complessi e non lineari. Il libro evidenzia i vantaggi dell'integrazione dei metodi di apprendimento automatico con gli strumenti statistici tradizionali per migliorare la previsione delle precipitazioni e supportare le decisioni basate sui dati in agricoltura, nella pianificazione ambientale e nella resilienza climatica.