Machine learning methods on Swedish geological data
Tekniker från maskininlärning används för att undersöka grundvatten i Sverige. I den första delen av uppsatsen används artificiella neuronnätverk och beslutsträd för att förutsäga hur hög grundvattennivån kommer vara i en brunn om en månad. För att göra detta används tidigare grundvattennivåer i brunnen och i andra närliggande brunnar. Historisk data över temperatur och nederbörd används också. I We apply neural networks and random forest to study geological data. In part one of the thesis, a ground water level prediction task is performed with recurrent neural networks, random forest and vector autoregression. The input data consists of weather data and other ground water level time series. The MAE and R-squared is evaluated and the variation in performance of the neural networks is discu
