Prethodno priopćenje
https://doi.org/10.62366/crebss.2026.1.002
Usporedba predviđanja temperature oceana korištenjem SARIMA, ETS i LSTM modela
Seema Gupta
; Hochschule Rhein-Waal University of Applied Sciences, Germany
Hakan Lane
; Johannes Gutenberg University Mainz, Germany
*
* Dopisni autor.
Sažetak
Točno predviđanje temperature oceana ključno je za razumijevanje dugoročne okolišne varijabilnosti i podršku ekološkom odlučivanju. Ovaj rad ocjenjuje uspješnost modela SARIMA (sezonski autoregresijski integrirani model pomičnih prosjeka), ETS (model pogreške, trenda i sezonalnosti) i LSTM (model duge kratkoročne memorije) u predviđanju temperature oceana korištenjem povijesnih vremenskih nizova podataka iz programa CalCOFI. Skup podataka pripremljen je primjenom sezonske dekompozicije i analize stacionarnosti, a točnost predviđanja ocijenjena je pomoću pokazatelja MAPE (srednja apsolutna postotna pogreška), RMSE (korijen srednje kvadratne pogreške) i MSE (srednja kvadratna pogreška). Rezultati pokazuju da je LSTM ukupno dao najtočnija i najstabilnija predviđanja, ostvarujući niže vrijednosti RMSE i MAPE na većini postaja i dubina. Model je uspješno zabilježio nelinearno ponašanje, sezonsku varijabilnost i ekstremne temperaturne fluktuacije. SARIMA je pokazala snažnu sposobnost modeliranja trenda i sezonalnosti, dok je ETS generirao glađa predviđanja, ali s razmjerno višim vrijednostima pogreške. Dijagnostika reziduala dodatno je potvrdila superiornu sposobnost LSTM-a da nauči složene vremenske ovisnosti prisutne u podacima o temperaturi oceana. Ovaj rad doprinosi usporednoj ocjeni klasičnih statističkih modela i modela dubokog učenja za predviđanje ekoloških vremenskih nizova te pruža dokaze koji podupiru primjenu LSTM-a za poboljšano oceanografsko predviđanje i praćenje okoliša.
Ključne riječi
Ekološki vremenski nizovi; ETS; predviđanje; LSTM; SARIMA
Hrčak ID:
348891
URI
Datum izdavanja:
6.7.2026.
Posjeta: 0 *