Корекція зміщення прогнозованої температури повітря на основі методів машинного навчання
Тип публікації :
Бакалаврська робота
Дата випуску :
2022
Автор(и) :
Домінюк Владислав
Науковий(і) керівник(и)/редактор(и) :
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Цитування :
[APA 7] Домінюк, В. (2022). Корекція зміщення прогнозованої температури повітря на основі методів машинного навчання. [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/2079
[ДСТУ] Домінюк В. Корекція зміщення прогнозованої температури повітря на основі методів машинного навчання : кваліфікаційна робота бакалавра : 12 Інформаційні технології / наук. кер. А. М. Коновалов. Київ, 2022. 39 с. URL: https://ir.library.knu.ua/handle/123456789/2079 (дата звернення: 17.07.2026).
Побудовано моделі прогнозування мінімальної і максимальної добових температур на основі регресії опорних векторів (SVR) з використанням двох способів навчання: по всім станціям разом та по кожній станції окремо.
Встановлено перевагу методики навчання SVR-регресорів загально по всім станціям для максимальної добової температури та окремо по кожній станції для мінімальної добової температури.
Підібрано параметри для максимізації коефіцієнту детермінації (R2) та мінімізації середньоквадратичного відхилення (RMSE) розроблених SVR моделей, що дозволило отримати точності прогнозування мінімальної та максимальної добових температур вищі, ніж наведені у літературі для окремих типів моделей (LDAPS, RF, SVR, MLP) без використання ансамблевого підходу.
Встановлено перевагу методики навчання SVR-регресорів загально по всім станціям для максимальної добової температури та окремо по кожній станції для мінімальної добової температури.
Підібрано параметри для максимізації коефіцієнту детермінації (R2) та мінімізації середньоквадратичного відхилення (RMSE) розроблених SVR моделей, що дозволило отримати точності прогнозування мінімальної та максимальної добових температур вищі, ніж наведені у літературі для окремих типів моделей (LDAPS, RF, SVR, MLP) без використання ансамблевого підходу.
Галузі знань та спеціальності :
12 Інформаційні технології
123 Комп’ютерна інженерія
Галузі науки і техніки (FOS) :
Інженерія та технології
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
1.2 MB
Контрольна сума :
(MD5):6f40526a534ea8791bc1cbbf9def6176
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International