<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=175892"><dc:title>Napovedovanje pretokov slovenskih rek s strojnim učenjem</dc:title><dc:creator>Samotorčan,	Leon	(Avtor)
	</dc:creator><dc:creator>Bratko,	Ivan	(Mentor)
	</dc:creator><dc:creator>Petan,	Sašo	(Komentor)
	</dc:creator><dc:subject>globoko učenje</dc:subject><dc:subject>napovedovanje pretokov</dc:subject><dc:subject>napovedovanje poplav</dc:subject><dc:subject>SHAP</dc:subject><dc:description>Naraščajoča pogostost in intenzivnost vremenskih ekstremov zaradi podnebnih sprememb povečuje potrebo po zanesljivem napovedovanju pretokov slovenskih rek, zlasti zaradi nevarnosti hudourniških poplav. Namen magistrskega dela je bil raziskati možnosti uporabe metod strojnega učenja za kratkoročno, 18-urno napoved pretokov na hidroloških postajah po Sloveniji. V analizo so bile vključene meritve pretokov in padavin Agencije Republike Slovenije za okolje(ARSO), ter vremenske napovedi modela ALADIN. Razvit je bil model globokega učenja TOK, ki poleg zgodovine pretokov in lokalnih meritev upošteva prostorske značilnosti padavin širšega zaledja. Rezultati na 119 hidroloških postajah na 77 rekah so pokazali, da TOK presega linearno regresijo in ARSO-ov obstoječi hidrološki prognostični sistem (HPS) tako v standardnih hidroloških metrikah, kot tudi v zgodnjem opozarjanju na hudourniške poplave. S SHAP vrednostmi so pojasnjeni glavni dejavniki, ki vplivajo na napovedi modela TOK. Delo prinaša izboljšan pristop k zgodnjemu opozarjanju na poplavne dogodke in prispeva k razvoju naprednih hidroloških napovednih sistemov v Sloveniji.</dc:description><dc:date>2025</dc:date><dc:date>2025-11-13 08:15:16</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>175892</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>