Корекція зміщення прогнозованої температури повітря на основі методів машинного навчання

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.

Домінюк В. Корекція зміщення прогнозованої температури повітря на основі методів машинного навчання : кваліфікаційна робота бакалавра : 123 Комп'ютерна інженерія / Владислав Домінюк. - Київ, 2022. - 39 с.