Порівняльний аналіз моделей прогнозування показника стану атмосферного повітря
Завантаження...
Файли
Дата
Автори
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Shmundiak D. O. Порівняльний аналіз моделей прогнозування показника стану атмосферного повітря // Матеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22120.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (1)
- [1] Shumway, Robert & Stoffer, David. (2011). Time Series Analysis and Its Applications With R Examples. 10.1007/978-1-44197865-3. [2] Terence C. Mills, Chapter 3 - ARMA Models for Stationary Time Series, Editor(s): Terence C. Mills, Applied Time Series Analysis, Academic Press, 2019, Pages 31-56, ISBN 9780128131176, https://doi.org/10.1016/B978-0-12-813117-6.00003-X. [3] Dr. Shikha Gaur. “Global forecasting of COVID-19 USING ARIMA BASED FB-PROPHET”. International Journal of Engineering Applied Sciences and Technology, 2020 Vol. 5, Issue 2, ISSN No. 2455-2143, Pages 463-467. [4] Sean J Taylor, Benjamin Letham, Forecasting at scale, PeerJ Preprints, 5, 2017, https://doi.org/10.7287/peerj.preprints.3190v2 [5] Д. О. Шмундяк і В. Б. Мокін, «Метод ідентифікації параметрів гармонік та аномалій періодичного часового ряду на основі адаптивної декомпозиції», Вісник ВПІ, вип. 6, с. 46–56, Груд. 2023. [6] Dmytro Shmundiak and Vitalii Mokin, “Adaptive decomposition for harmonics and anomalies” Kaggle Notebook. [Electronic resource]. Available: https://www.kaggle.com/code/dimashmundiak/adaptive-decomposition-for-harmonics-and-anomalies. Accessed:05.10.2024. [7] Д. О. Шмундяк і В. Є. Копняк, «Метод ідентифікації локальних аномалій значень показників стану довкілля з використанням декомпозиції на півхвилі», Вісник ВПІ, вип. 1, с. 88–100, Лют. 2024. [8] Omar, Salima & Ngadi, Md & Jebur, Hamid & Benqdara, Salima. (2013). Machine Learning Techniques for Anomaly Detection: An Overview. International Journal of Computer Applications. 79. 10.5120/13715-1478. [9] Markus M. Breunig, Hans-Peter Kriegel, Raymond T. Ng, and Jrg Sander. 2000. LOF: identifying density-based local outliers. SIGMOD Rec. 29, 2 (June 2000), 93–104. https://doi.org/10.1145/335191.335388 [10] Sklearn. API Reference – Available: https://scikit-learn.org/stable/modules/classes.html. Accessed: 05.10.2024