지구 온난화의 가속화, 극지방 얼음의 융해, 불규칙한 기상 패턴, 홍수, 산불, 가뭄과 같은 자연 재해의 강도가 증가하고 있습니다. 기존의 통계 도구는 방대한 다차원 기후 데이터셋 내의 복잡하고 비선형적인 관계를 포착하는 데 어려움을 겪어 예측 및 완화 전략의 효과를 제한하고 있습니다. 이 문제를 해결하기 위해 제안된 연구는 “기계 학습을 이용한 글로벌 환경 분석”이라는 제목의 기계 학습 기반 프레임워크를 소개합니다. 이 시스템은 지원 벡터 기계(SVM)와 K-최근접 이웃(KNN)을 통합하여 구조화된 환경 데이터를 분석합니다. 데이터셋은 온도 이상, 탄소 배출, 강수 변동성, 해수면 상승, 삼림 파괴율, 오염 지표와 같은 중요한 기후 지표로 구성됩니다. 데이터 품질을 향상시키기 위해 정규화, 이상값 처리 및 결측값 보충과 같은 전처리 단계가 사용됩니다. 차원 축소 결과, 인간 활동과 환경 파괴 사이에 강한 상관관계가 발견되었습니다. 지리적 열지도와 실시간 대시보드와 같은 시각적 출력물은 연구자, 정책 입안자 및 환경 기관을 위해 통찰력을 쉽게 제시할 수 있도록 설계되었습니다. 이 작업은 데이터 기반 지능형 시스템의 잠재력을 보여주며, 이는 능동적인 환경 모니터링, 예측적 위험 평가 및 지속 가능한 의사 결정을 가능하게 합니다. 제안된 솔루션은 기후 정보 플랫폼, 도시 계획 도구 및 환경 보존 프로그램에 대한 향후 통합을 위한 기초를 마련합니다.
Girish Kumar D (Mon,)가 이 질문을 연구했습니다.