Napovedovanje rečnega pretoka z metodami globokega učenjaFurlan, Petja (Avtor) Kristan, Matej (Mentor) Ličer, Matjaž (Komentor) rečni pretokpadavinegloboko učenjemehanizem pozornostiZanesljivo kratko- do srednjeročno napovedovanje pretokov rek je aktualen problem, kar potrjujejo vse pogostejši poplavni dogodki. Napovedovanje pretokov je zahtevno zaradi kompleksnih časovnih in prostorskih dinamik med rečnimi pretoki in meteorološkimi spremenljivkami, kot so padavine. Agencija Republike Slovenije za okolje (ARSO) trenutno uporablja Hidrološki prognosti čni sistem (HPS), ki problem rešuje s tradicionalnimi metodami, ki temeljijo na fizikalnih enačbah. V nalogi predlagamo alternativnen pristop, imenovan SIREN (Synoptic Information-based River Discharge Estimation Network), ki temelji na moderni arhitekturi globokih nevronskih mrež, ki so znane po svojem učinkovitem modeliranju kompleksnih vzorcev. Na realni podatkovni zbirki je bil model SIREN podrobno analiziran in primerjan s HPS ter z modelom HIDRA3river, ki temelji na arhitekturi HIDRA3, globoki nevronski mreži za napovedovanje višin gladine morja. Rezultati so pokazali, da je model SIREN učinkovitejši kot referenčni metodi. Na izbranih metrikah dosega do 62.8% višjo uspešnost kot HPS ter do 30.7% višjo uspešnost kot HIDRA3river, s čimer predstavlja novo stanje tehnike na področju napovedovanja pretokov slovenskih rek.20252025-09-15 11:15:06Diplomsko delo/naloga173268sl