Моделі та методи розробки інтелектуальної системи регіонального моніторингу кліматичних змін
Тип публікації :
Магістерська робота
Дата випуску :
2026
Автор(и) :
Терновцев, Віталій Олексійович
Науковий(і) керівник(и)/редактор(и) :
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Цитування :
[APA 7] Терновцев, В. О. (2026). Моделі та методи розробки інтелектуальної системи регіонального моніторингу кліматичних змін [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/15071834/23574
[ДСТУ] Терновцев В. О. Моделі та методи розробки інтелектуальної системи регіонального моніторингу кліматичних змін : кваліфікаційна робота магістра : 122 Комп’ютерні науки / наук. кер. Ю. Л. Хлевна. Київ, 2026. 109 с. URL: https://ir.library.knu.ua/handle/15071834/23574 (дата звернення: 25.07.2026).
Мета дипломної роботи магістра – підвищення ефективності регіонального моніторингу кліматичних змін шляхом розробки та впровадження інтелектуальної системи та методики, котрі базуються на автоматизованому зборі, обробці та предиктивному моделюванні багатовимірних супутникових даних.
Об’єкт дослідження – процеси автоматизованого дистанційного моніторингу регіональних кліматичних змін та динаміки стану рослинного покриву.
Предмет дослідження – методи, алгоритми інтелектуального аналізу великих масивів даних та регуляризовані моделі машинного навчання, які застосовуються для інтерпретації супутникової спектральної інформації.
Наукова новизна роботи – розроблено концепцію інтелектуального кліматичного моніторингу, яка відрізняється від існуючих підходів впровадженням алгоритму математичної синхронізації супутникових часових рядів із глобальними макротрендами через апарат лінійної інтерполяції, а також застосуванням структурно регуляризованих ансамблевих моделей.
У роботі досліджуються сучасні підходи до використання методів Data Science та дистанційного зондування Землі у задачах дослідження глобального потепління. Розроблено архітектуру інтелектуального конвеєра для автоматизованої декомпозиції ієрархічних супутникових архівів. Обґрунтовано доцільність застосування ансамблевих алгоритмів машинного навчання для виявлення кореляцій між локальними вегетаційними індексами та глобальними концентраціями CO2. Наводяться рекомендації щодо практичного впровадження системи у сфері державного екологічного моніторингу та точного землеробства.
Дипломна робота складається зі вступу, основної частини, яка включає три розділи, висновків та списку використаних джерел. Всього налічує 103 сторінки та перелік посилань з 70 джерел на 6 сторінках.
Ключові слова: кліматичні зміни, супутникові дані NASA, інтелектуальний аналіз даних, машинне навчання, NDVI, Random Forest, конвеєр даних.
Об’єкт дослідження – процеси автоматизованого дистанційного моніторингу регіональних кліматичних змін та динаміки стану рослинного покриву.
Предмет дослідження – методи, алгоритми інтелектуального аналізу великих масивів даних та регуляризовані моделі машинного навчання, які застосовуються для інтерпретації супутникової спектральної інформації.
Наукова новизна роботи – розроблено концепцію інтелектуального кліматичного моніторингу, яка відрізняється від існуючих підходів впровадженням алгоритму математичної синхронізації супутникових часових рядів із глобальними макротрендами через апарат лінійної інтерполяції, а також застосуванням структурно регуляризованих ансамблевих моделей.
У роботі досліджуються сучасні підходи до використання методів Data Science та дистанційного зондування Землі у задачах дослідження глобального потепління. Розроблено архітектуру інтелектуального конвеєра для автоматизованої декомпозиції ієрархічних супутникових архівів. Обґрунтовано доцільність застосування ансамблевих алгоритмів машинного навчання для виявлення кореляцій між локальними вегетаційними індексами та глобальними концентраціями CO2. Наводяться рекомендації щодо практичного впровадження системи у сфері державного екологічного моніторингу та точного землеробства.
Дипломна робота складається зі вступу, основної частини, яка включає три розділи, висновків та списку використаних джерел. Всього налічує 103 сторінки та перелік посилань з 70 джерел на 6 сторінках.
Ключові слова: кліматичні зміни, супутникові дані NASA, інтелектуальний аналіз даних, машинне навчання, NDVI, Random Forest, конвеєр даних.
Галузі знань та спеціальності :
12 Інформаційні технології::122 Комп’ютерні науки
Галузі науки і техніки (FOS) :
Комп'ютерні та інформаційні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
2.42 MB
Контрольна сума :
(MD5):387e3f1ebb2d0a840753486749327adb
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International