dc.contributor.author | Шевчук, О. А. | uk |
dc.contributor.author | Іванчук, Я. В. | uk |
dc.date.accessioned | 2025-09-12T10:07:12Z | |
dc.date.available | 2025-09-12T10:07:12Z | |
dc.date.issued | 2025 | |
dc.identifier.citation | | uk |
dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/49258 | |
dc.description.abstract | Зростання частоти та масштабу надзвичайних ситуацій (НС) вимагає вдосконалення інформаційних систем прогнозування та оповіщення. У статті аналізуються сучасні методи прогнозування НС, зокрема моделі часових рядів (ARIMA, GARCH), штучні нейронні мережі, алгоритми машинного навчання та великі дані. Особлива увага приділена використанню геоінформаційних систем (GIS) та Інтернету речей (IoT) для автоматичного моніторингу загроз у реальному часі. Досліджено ефективність національних і міжнародних систем оповіщення (WEA, NINA, J-ALERT) та визначено основні критерії їхньої оцінки: швидкість передачі повідомлень, охоплення населення, адаптивність та достовірність інформації. Запропоновано концепцію інтегрованої системи оповіщення, що об’єднує різні технологічні рішення для підвищення ефективності реагування на НС. | uk |
dc.description.abstract | The increasing frequency and scale of emergencies require the improvement of information systems for forecasting and alerting. This paper analyzes modern methods for predicting emergencies, including time series models (ARIMA, | en |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | // Матеріали LIV науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. | uk |
dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/24150 | |
dc.subject | надзвичайні ситуації | uk |
dc.subject | системи оповіщення | uk |
dc.subject | прогнозування | uk |
dc.subject | штучний інтелект | uk |
dc.subject | часові ряди | uk |
dc.subject | машинне навчання | uk |
dc.subject | інформаційні технології | uk |
dc.subject | emergencies | uk |
dc.subject | alert systems | uk |
dc.subject | forecasting | uk |
dc.subject | artificial intelligence | uk |
dc.subject | time series | uk |
dc.subject | machine learning | uk |
dc.subject | informationtechnology | uk |
dc.title | Сучасні інформаційні системи інформування та прогнозування надзвичайних ситуацій | uk |
dc.type | Thesis | |
dc.identifier.udc | 004.031.42 | |
dc.relation.references | Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. (2015). Time Series Analysis: Forecasting and Control. John Wiley & Sons. | |
dc.relation.references | Atzori, L., Iera, A., & Morabito, G. (2010). The Internet of Things: A Survey. Computer Networks, 54(15), 2787-2805. | |
dc.relation.references | Perera, C., Zaslavsky, A., Christen, P., & Georgakopoulos, D. (2014). Context Aware Computing for The Internet of Things: A Survey. IEEE Communications Surveys & Tutorials, 16(1), 414-454. | |
dc.relation.references | Bundesamt fr Bevlkerungsschutz und Katastrophenhilfe. NINA App [ ]. : https://www.bbk.bund.de/DE/Service/NINA/nina_node.html. | |
dc.relation.references | Kshetri, N. (2017). Can Blockchain Strengthen the Internet of Things?. IT Professional, 19(4), 68-72. | |