magistrsko delo
Niko Uremovič (Avtor), Niko Lukač (Mentor), Marko Bizjak (Komentor)

Povzetek

V magistrskem delu predstavimo nov pristop za napovedovanje multivariatnih časovnih vrst geoprostorskih podatkov. Pripravimo pregled obstoječih pristopov k napovedovanju časovnih vrst prostorskih podatkov. Predstavimo koncepte na katerih temelji konvolucijsko-povratna nevronska mreža ConvLSTM in njeno teoretično osnovo. Z uporabo ConvLSTM pri napovedovanju upoštevamo tako časovne odvisnosti med spremenljivkami, kot tudi prostorske odvnisnosti med podatki v sosednjih točkah. Metodo preizkusimo na primeru napovedovanja več spremenljivk onesnaženosti zraka za več merilnih postaj na različnih lokacijah in jo primerjamo s sorodnimi deli.

Ključne besede

multivariatne časovne vrste;geoprostorski podatki;napovedovanje časovnih vrst;konvolucijsko-povratne nevronske mreže;magistrske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [N. Uremović]
UDK: 519.2:004.8(043.2)
COBISS: 132919555 Povezava se bo odprla v novem oknu
Št. ogledov: 47
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: Geospatial multivariate time series forecasting using convolutional reccurrent neural networks
Sekundarni povzetek: In this thesis we present a method for multivariate time series forecasting for geospatial data. We prepare an overview of existing methods for multivariate spatial time series forecasting. We present the theorethical background of the ConvLSTM neural network architecture and the concepts it is based on. By using ConvLSTM for geospatial time series forecasting, we account for both spatial and temporal dependencies in our data. We test the proposed method on the case of forecasting multiple variables of air pollution for multiple measurement stations and compare our results to related work.
Sekundarne ključne besede: Multivariate time series;geospatial data;time series forecasting;convolutional recurrent neural networks;
Vrsta dela (COBISS): Magistrsko 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 (VII, 36 f.))
ID: 16309900