Modèles d'apprentissage automatique pour la prévision climatique et l'adaptation dans des contextes égyptiens,

Ce Descripteur de Données se concentre sur les modèles d'apprentissage automatique pour la prévision climatique et l'adaptation dans des contextes égyptiens. Des techniques d'apprentissage automatique, notamment la régression par forêt aléatoire, ont été utilisées pour modéliser les anomalies de température. L'incertitude a été quantifiée à l'aide d'un intervalle de confiance de 95 %. Les modèles ont prédit des changements de température avec une précision de 82 %, et l'intervalle d'incertitude pour les prévisions variait de -1,5 °C à +1,5 °C. Les modèles d'apprentissage automatique ont démontré des capacités prédictives prometteuses, en particulier pour prévoir les anomalies de température cruciales pour la planification agricole. De futures recherches devraient explorer des méthodes d'ensemble pour améliorer la robustesse du modèle et incorporer des données socio-économiques pour des plans d'adaptation plus complets. Estimation du modèle utilisée = argmin_ᵢ (yᵢ, f_ (xᵢ) ) + ₂², avec performance évaluée à l'aide d'erreurs hors échantillon.