diplomsko delo
Rene Rajzman (Avtor), Milan Zorman (Mentor), Robert Meolic (Komentor)

Povzetek

Diplomsko delo prikazuje uporabo različnih kombinacij metod strojnega učenja, kot sta naključni gozd in gradientno povečevanje, ki jih ponuja Python knjižnica Sklearn, pri optimizaciji rezultatov vremenskih napovednih modelov. Obravnavani vremenski napovedni modeli se uporabljajo na področju elektroenergetskih sistemov za izračun dinamične termične meje daljnovodov. Končni sistem, ki za optimizacijo podatkov vremenskih napovednih modelov uporablja metode strojnega učenja, lahko izboljša natančnost izračunane termične meje, ki je ključnega pomena za dobro elektroenergetsko logistiko.

Ključne besede

strojno učenje;Python;DTR;vremenski modeli;optimizacija podatkov;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [R. Rajzman]
UDK: 004.85:004.6(043.2)
COBISS: 220105475 Povezava se bo odprla v novem oknu
Št. ogledov: 0
Št. prenosov: 12
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: Optimising weather model data using advanced machine learning methods
Sekundarni povzetek: This thesis demonstrates the use of different combinations of machine learning methods, such as random forest and gradient boosting, provided by the Python library Sklearn, to optimise the results of weather forecasting models. The weather prediction models considered are used in the field of power systems to calculate the dynamic thermal limit of transmission lines. The final system, which uses machine learning methods to optimise the data from the weather prediction models, can improve the accuracy of the calculated thermal boundary when applied, which is crucial for good power logistics.
Sekundarne ključne besede: machine learning;Python;DTR;weather models;data optimization;bachelor's degrees;
Vrsta dela (COBISS): Diplomsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani: 1 spletni vir (1 datoteka PDF (XI, 73 f.))
ID: 24756379