Ehituse ja arhitektuuri instituudi doktorant Saeed Rajabi Kiasari kaitseb 24. aprillil 2026 algusega kell 13:00 oma doktoritööd "Development of Machine Learning Approaches for Geoid-referred Sea Level Forecasting" ("Masinõppe meetodite väljatöötamine geoidi suhtes määratletava merepinna taseme prognoosimiseks"). Kaitsmine toimub Tallinna Tehnikaülikooli peamaja II õppehoone ruumis U02-302 (Ehitajate tee 5).
Merepinna taseme prognoosimine on üha olulisem rannikualade kaitse, meresõiduohutuse ning kliimamuutuste leevendamise ja nendega kohanemise lahenduste jaoks merepinna tõusu ja seonduvate ohtude kontekstis. Kuigi tehisintellekti (AI) ja masinõppe (ML) hiljutised edusammud võimaldavad täpseid ja arvutuslikult tõhusaid lühiajalisi prognoose, mis on konkurentsivõimelised olemasolevate ookeanitsirkulatsiooni mudelitega, on suured väljakutsed endiselt lahendamata. Nende hulka kuuluvad heterogeensete andmeallikate integreerimine, kõrge aeg-ruumilise lahutusvõime saavutamine veetaseme mitmemõõtmelises prognoosimises, ekstreemsete sündmuste täpne esitamine, järjepidevuse tagamine andmekogumite vahel ja mudeli tõlgendatavuse parendamine.
Käesoleva väitekirja eesmärk on töötada välja järjepidev, selgitatav ja hübriidne masinõppe raamistik Läänemere merepinna taseme prognoosimiseks, mis integreerib satelliit- ja kohapealseid andmestikke ning stohhastilisi metoodikaid. Selle töö keskne uuendus on geoidi suhtes määratletava merepinna taseme prognoosimine, milles kõik seonduvad hüdrodünaamiliste mudelite, satelliit-altimeetria ja veemõõdujaama vaatluste andmekogumid on geoidi pinnaga samuti ühtlustatud. Meie teada on see masinõppe esimene rakendamine geoidi suhtes määratletava merepinna taseme prognoosimiseks Läänemerel.
Väitekiri näitab, et masinõppe meetodite integreerimine stohhastilise äärmusväärtuste analüüsiga pakub tugeva ja operatiivse raamistiku geoidi suhtes määratletava merepinna taseme prognoosimiseks ja rannikualade riskide hindamiseks. Kuigi harvajuhtuvate suurte ekstreemumite tuvastamine on endiselt keeruline, edendab pakutud lähenemisviis andmepõhiseid, tõlgendatavaid ja hübriidseid prognoosimismeetodeid piirkondlike mereliste tegevuste tarbeks.
Doktoritöö on avaldatud Tehnikaülikooli raamatukogu digikogus
Juhendajad: täisprofessor tenuuris Artu Ellmann ja nooremprofessor Nicole Camille Delpeche-Ellmann (TalTech)
Oponendid:
- teadur Svetlana Jevrejeva (Suurbritannia Riiklik Okeanograafia Keskus, Suurbritannia)
- teadur Marcello Passaro (Müncheni Tehnikaülikool, Saksamaa)