<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Системний аналіз та прогнозування витрат води за інформацією з бази даних WISE

dc.contributor.authorКадирова, М. М.uk
dc.contributor.authorКрижановський, Є. М.uk
dc.contributor.authorKadyrova, M. M.en
dc.contributor.authorKryzhanovsky, E. M.en
dc.date.accessioned2026-09-03T10:55:30Z
dc.date.available2026-09-03T10:55:30Z
dc.date.issued2026
dc.description.abstractУ роботі розглянуто задачу системного аналізу та прогнозування витрат поверхневих водних ресурсівuk
dc.description.abstractThis work addresses the problem of systematic analysis and forecasting of surface water flow in Europe using data from the WISE (Water Information System for Europe) monitoring database. Exploratory data analysis was performed on a dataset of over 5.7 million observations, a data preprocessing pipeline was developed, and two predictive models were built and compared — LightGBM and a deep neural network. The LightGBM model demonstrated superior accuracy (R²=0.7469, MAE=2.5464) and is recommended as the primary model for hydrological indicator forecasting.en
dc.identifier.citationКадирова М. М., Крижановський Є. М. Системний аналіз та прогнозування витрат води за інформацією з бази даних WISE // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29142.uk
dc.identifier.udc004.9+574
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/53875
dc.language.isouk_UAuk_UA
dc.publisherВінницький національний технічний університетuk
dc.relation.ispartofМатеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.uk
dc.relation.referencesЮань Т., Чжан Ю., Лю Ф. Machine learning-driven advances in water treatment and ecological environmental monitoring. Environmental Research. 2025. Вип. 245. С. 117–134.en
dc.relation.referencesГарсія М., Лопес Дж., Фернандес К. Bibliometric-Systematic Literature Review (B-SLR) of Machine Learning-Based Water Quality Prediction: Trends, Gaps, and Future Directions. MDPI Water. 2025. Вип. 17. 24 с.en
dc.relation.referencesМокін В. Б., Дратований М. В. Наука про дані: машинне навчання та інтелектуальний аналіз даних. Навч. посібник. Вінниця : ВНТУ, 2024. С. 119–128.uk
dc.relation.referencesСібінді Р., Мвангі Р. В., Вайтіту А. Г. A boosting ensemble learning based hybrid light gradient boosting machine and extreme gradient boosting model for predicting house prices. Engineering Reports. 2023. Т. 5, № 4. e12599.en
dc.relation.referencesWater Quantity, 2025, The Water Information System for Europe. [Електронний ресурс]. – Режим доступу: https://sdi.eea.europa.eu/catalogue/datahub/api/records/3f6e7d37-eb3b-407a-b2ed-3eb390668e36en
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29142
dc.subjectмашинне навчанняuk
dc.subjectLightGBMen
dc.subjectпрогнозування гідрологічних показниківuk
dc.subjectWISEen
dc.subjectградієнтнийбустингuk
dc.subjectнейронна мережаuk
dc.subjectрозвідувальний аналіз данихuk
dc.subjectmachine learningen
dc.subjectLightGBMen
dc.subjecthydrological forecastingen
dc.subjectWISEen
dc.subjectgradient boostingen
dc.subjectneural networken
dc.subjectexploratory data analysisen
dc.titleСистемний аналіз та прогнозування витрат води за інформацією з бази даних WISEuk
dc.typeThesis

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
29142.pdf
Розмір:
453,28 KB
Формат:
Adobe Portable Document Format

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
license.txt
Розмір:
17 B
Формат:
Plain Text
Опис: