magistrsko delo
Aljaž Razpotnik (Avtor), Damjan Strnad (Mentor), Štefan Kohek (Komentor)

Povzetek

V magistrskem delu se ukvarjamo z napovedovanjem časovnih vrst. Časovno vrsto predstavljajo podatki vremenskih parametrov večjega števila krajev, ki smo jih pridobili iz spletnega arhiva Agencije Republike Slovenije za okolje. Za napovedovanje vremenskih parametrov izbranega kraja uporabimo pretekle podatke samega kraja in njegove okolice ter z njimi učimo napovedne modele ARIMAX, CART, GRU in kombinirani model CNN-LSTM. Pri kombiniranem modelu upoštevamo geografske soodvisnosti uporabljenih krajev, ki jih preslikamo v matriko. Iz predstavljenih rezultatov je razvidno, da sta najboljša modela za napovedovanje vremenskih parametrov GRU in CNN-LSTM.

Ključne besede

vremenski parametri;časovna vrsta;napovedovanje;nevronska mreža;regresijsko drevo;magistrske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [A. Razpotnik]
UDK: [519.2:004.8]:551.509(043.2)
COBISS: 22877718 Povezava se bo odprla v novem oknu
Št. ogledov: 928
Št. prenosov: 159
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Short-Term prediction of local weather parameters with convolutional neural network
Sekundarni povzetek: The master thesis deals with time series forecasting. The time series is presented by the data of weather parameters of a large number of places, which are obtained from the web archive of the Slovenian Environment Agency. In order to forecast the weather parameters of a specific place, past data of that place and its environment are used for teaching the forecast models ARIMAX, CART, GRU and the combined CNN-LSTM model. The combined model requires the consideration of geographic interdependencies between places, which are mapped into the matrix. The results demonstrate that the most effective models for forecasting the weather parameters are GRU and CNN-LSTM.
Sekundarne ključne besede: weather parameters;time series;forecasting;neural network regression tree;
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani: X, 53 str.
ID: 11279858