Порівняльний аналіз моделей прогнозування показника стану атмосферного повітря
| dc.contributor.author | Shmundiak, D. O. | en |
| dc.title | Порівняльний аналіз моделей прогнозування показника стану атмосферного повітря | uk |
| dc.date.issued | 2024 | |
| dc.publisher | Вінницький національний технічний університет | uk |
| dc.identifier.citation | 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. | uk |
| dc.relation.ispartof | Матеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22120 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/56495 | |
| dc.subject | аналіз часових рядів | uk |
| dc.subject | аномалії часових рядів | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | сезонна декомпозиція | uk |
| dc.subject | гармоніки ряду Фур’є | uk |
| dc.subject | Prophet | en |
| dc.subject | якість атмосферного повітря | uk |
| dc.subject | EcoCity | en |
| dc.type | Thesis | |
| dc.language.iso | en | en |
| dc.relation.references | [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 | en |
| dc.date.accessioned | 2026-11-16T14:55:44Z |
Файли
Контейнер файлів
1 - 1 з 1
Завантаження...
- Назва:
- 22120.pdf
- Розмір:
- 720,16 KB
- Формат:
- Adobe Portable Document Format