Предсказание температуры воздуха на основе данных с метеопоста (на примере метеостанции в г. Минске)
Аннотация
Магистерская диссертация 51 с., 23 рис., 3 табл., 40 источников.
Ключевые слова: машинное обучение, временные ряды, наивные предсказания, сезонные предсказания.
Объект исследования: технологический процесс для решения задачи по долговременному предсказанию температуры воздуха.
Предмет исследования: методы и алгоритмы автоматического построения прогноза температуры воздуха, поиск закономерностей.
Цель работы: исследование эффективности моделей для предсказания температуры воздуха.
В процессе исследования проводились: рассмотрение основных подходов построения моделей по краткосрочному и долгосрочному предсказанию температуры воздуха, настройка и реализация моделей для предсказания изменения температуры воздуха.
В работе продемонстрирована эффективность подхода использования машинного обучения в построении моделей для предсказания температуры воздуха.
Область практического применения: предложенный подход поможет таким сферам, как: сельское хозяйство, энергетика, строительство, транспорт, торговля и др. Снизит затраты на подготовку к сезонным мероприятиям и поможет точнее планировать финансовые потоки.
Ключевые слова: машинное обучение, временные ряды, наивные предсказания, сезонные предсказания.
Объект исследования: технологический процесс для решения задачи по долговременному предсказанию температуры воздуха.
Предмет исследования: методы и алгоритмы автоматического построения прогноза температуры воздуха, поиск закономерностей.
Цель работы: исследование эффективности моделей для предсказания температуры воздуха.
В процессе исследования проводились: рассмотрение основных подходов построения моделей по краткосрочному и долгосрочному предсказанию температуры воздуха, настройка и реализация моделей для предсказания изменения температуры воздуха.
В работе продемонстрирована эффективность подхода использования машинного обучения в построении моделей для предсказания температуры воздуха.
Область практического применения: предложенный подход поможет таким сферам, как: сельское хозяйство, энергетика, строительство, транспорт, торговля и др. Снизит затраты на подготовку к сезонным мероприятиям и поможет точнее планировать финансовые потоки.