વિશ્વભરના વૈજ્ઞાનિકો છેલ્લા ઘણા સમયથી બદલાતી હવામાનની પેટર્નને સમજવાનો પ્રયાસ કરે છે. અને તેની અગાઉથી આગાહી કરવાનો પ્રયાસ કરે છે. આ ક્ષેત્રમાં હાથ ધરવામાં આવેલા અભ્યાસોને ક્લાયમેટ મોડેલિંગ કહેવામાં આવે છે. ગ્લોબલ લેવલથી સ્થાનિક સ્તરે આબોહવાની માહિતી મેળવવા ચારુસેટ યુનિવર્સિટી સંલગ્ન ચંદુભાઈ એસ. પટેલ ઇન્સ્ટીટ્યુટ ઓફ ટેક્નોલોજીના કમ્પ્યુટર સાયન્સ એન્ડ એન્જિનિયરિંગના ત્રીજા વર્ષના વિદ્યાર્થી મેઘલ શાહે અદ્યતન મશીન લર્નિંગ અલ્ગોરિધમ્સની ઓળખ કરી અને વિવિધ પ્રયોગો દ્વારા નક્કી કરેલા પરિણામો મેળવી તથા ગ્લોબલ ડેટાસેટમાંથી સ્થાનિક આબોહવાની માહિતી મેળવવાની શ્રેષ્ઠ કાર્ય પદ્ધતિની શોધ કરી છે.
ઈન્ટર ગવર્નમેન્ટલ પેનલ ઓન ક્લાઈમેટ ચેન્જ દ્વારા આપવામાં આવેલ ક્લાઈમેટ ચેન્જ માટેનાં ગ્લોબલ ડેટાનો ઉપયોગ કરાયો છે. વિવિધ સ્કેલ પર આબોહવા પરિવર્તન અને તેની સંભવિત અસરોની માહિતી આપવા માટે વૈશ્વિક સ્તરના આબોહવા પરિવર્તનના ડેટાનો ઉપયોગ કરાય છે, પરંતુ આ ડેટા ઓછા રીઝોલ્યુશનનો હોવાથી સ્થાનિક સ્તરે નિર્ણયો લેવા અસક્ષમ છે.
મેઘલે છ જુદા જુદા IPCCના ગ્લોબલ ડેટાસેટ દ્વારા આપેલ વર્તમાન અને ભાવિ આબોહવાની પરિસ્થિતિઓ માટે છ મહત્વપૂર્ણ આબોહવાના પરિમાણો માટે છ જુદા જુદા અલ્ગોરિધમ્સનું પરીક્ષણ કર્યા બાદ બધામાં શ્રેષ્ઠ પરિણામો પ્રાપ્ત કર્યા હતા. મેઘલનું કાર્ય પ્રખ્યાત વૈજ્ઞાનિક જર્નલ IEEE Xploreમાં પ્રકાશિત થવા જઈ રહ્યું છેે.
Copyright © 2022-23 DB Corp ltd., All Rights Reserved
This website follows the DNPA Code of Ethics.