Nelinearno modeliranje povezav med lesnimi branikami in okoljemJevšenak, Jernej (Avtor) Levanič, Tomislav (Mentor) Džeroski, Sašo (Komentor) dendrokronologijastrojno učenjeprimerjava metodumetne nevronske mrežemodelna drevesaregresijska drevesaansambelske metodeZa analizo povezav med lesnimi branikami in okoljem so primerjane (multipla) linearna regresija (MLR) in izbrane nelinearne metode s področja strojnega učenja: umetne nevronske mreže z učnim algoritmom Bayesova regularizacija (ANN), modelna drevesa (MT), ansambli modelnih dreves (BMT) in naključni gozdovi regresijskih dreves (RF). Izbrane metode so bile primerjane na devetih podatkovnih množicah, ki so vključevale različne parametre branik in različne okoljske spremenljivke. Za nelinearne metode so bili v večini primerov izračunani boljši statistični kazalci za validacijsko množico, čeprav razlike v primerjavi z linearno regresijo niso bile velike. Dodatne analize so pokazale, da se metode večinoma razlikujejo pri napovedih ekstremnih vrednosti. Značilnost nelinearnih metod je, da sprememba odvisne spremenljivke ni premo sorazmerna spremembi ene ali več neodvisnih spremenljivk. Slednje pomeni zmanjšan razpon in variabilnost rekonstruiranih vrednosti, kar rekonstrukcijo naredi vizualno manj privlačno od linearne ekstrapolacije, čeprav v večini primerov statistično boljšo. Nobena izmed nelinearnih metod s področja strojnega učenja ni dala najboljših rezultatov na vseh podatkovnih množicah, zato je pred rekonstrukcijo klime z metodami strojnega učenja vedno smiselno primerjati več metod. Za ta namen smo razvili R funkcijo compare_methods() in jo vgradili v dendroTools R paket, ki je prosto dostopen na CRAN-repozitoriju.20192019-01-10 07:45:21Doktorsko delo/naloga105984sl