Napovedovanje koncentracij fitoplanktonskih pigmentov v Tržaškem zalivu s pomočjo metod strojnega učenjaBengeri, Katja (Avtor) Faganeli Pucer, Jana (Mentor) Vodopivec, Martin (Komentor) strojno učenjeokoljske znanostiučenje s prenosom znanjakoncentracije fitoplanktonskih pigmentovFitoplankton predstavlja pomemben pokazatelj ekološkega stanja morskega okolja. Ker so in-situ meritve težko dostopne in časovno zahtevne za analizo, smo raziskali alternativne metode za ocenjevanje koncentracij fitoplanktonskih pigmentov na podlagi različnih okoljskih parametrov ter raziskali možnost njihove napovedi v Tržaškem zalivu z uporabo modelov strojnega učenja. V sodelovanju s strokovnjaki s področja smo izbrali niz ekološko relevantnih značilk za oblikovanje vhodnega nabora podatkov, katerega smo ustrezno predprocesirali. V raziskavi smo uporabili različne regresijske modele ter nevronske mreže, pri čemer smo zaradi omejenega števila in-situ meritev pigmentov uporabili strategijo učenja s prenosom znanja. Model smo najprej trenirali na satelitskih meritvah klorofila a in ga nato dodatno prilagodili na in-situ meritvah. V ta namen smo uporabili večslojne perceptrone (MLP) in konvolucijske nevronske mreže (CNN). Uporaba učenja s prenosom znanja je pokazala izboljšanje napovedne natančnosti, kar kaže na njen potencial za izboljšanje ocenjevanja fitoplanktonskih pigmentov v podatkovno omejenih morskih okoljih.20252025-10-25 08:15:05Magistrsko delo/naloga175396sl