1. Napovedovanje dinamike plazu urbas z modeli časovnih vrst in strojnim učenjemŠtefan Horvat, 2022, master's thesis Abstract: Plazovi lahko resno ogrozijo človeška življenja in povzročijo ogromno gmotno škodo. Na dinamiko plazu običajno vpliva večje število zunanjih dejavnikov, zato je napovedovanje premikov težka naloga. V sodobnem času lahko premike plazov podrobno spremljamo z natančnimi merilnimi instrumenti in tako tvorimo množico podatkov, na podlagi katere gradimo razlagalne in napovedne modele. V magistrskem delu preizkušamo različne tehnike modeliranja premikov plazu Urbas, ki spada med bolj aktivne plazove v Sloveniji. Za modeliranje dinamike plazu uporabimo modele časovnih vrst in nevronsko mrežo z dolgim kratkoročnim spominom. Najboljše prileganje je dosegla nevronska mreža z dolgin kratkoročnim spominom, katere srednja kvadratna napaka je znašala 3,37 mm. Pri napovedovanju premikov se je najbolje odrezal linearni regresijski model s srednjo kvadratno napako 0,52 mm.
Keywords: plaz, časovne vrste, linearna regresija, dinamična regresija, nevron-ske mreže LSTM
Published in DKUM: 15.12.2022; Views: 263; Downloads: 60
 Full text (4,33 MB) |
2. Primerjava programskih jezikov Python in R za namene strojnega učenja : diplomsko deloPeter Zupan, 2020, undergraduate thesis Abstract: V diplomski nalogi primerjamo programska jezika R in Python za namene strojnega učenja. Najprej razložimo, kaj je strojno učenje, nato opišemo algoritme, ki smo jih uporabili pri praktičnih primerih, ter predstavimo programska jezika R in Python. V nadaljevanju diplomskega dela na treh različnih primerih prikažemo delovanje obeh programskih jezikov. Nalogo zaključimo s primerjavo programskih jezikov na podlagi pridobljenih rezultatov in ugotovitev iz praktičnega dela.
Keywords: strojno učenje, R, Python, linearna regresija, odločitvena drevesa, nevronske mreže
Published in DKUM: 02.11.2020; Views: 571; Downloads: 135
Full text (1,16 MB) |
3. Primerjava SVM, MLR in PCA metod pri napovedovanju fotovoltaične proizvodnje v slovenijiAnja Goričan, 2019, master's thesis Abstract: Zaradi teženj po trajnostni in obnovljivi energiji se v elektroenergetski sistem priključuje vedno večji delež fotovoltaičnih virov elektrike. Stabilnost elektroenergetskega sistema je ena ključnih nalog, ki jo mora zagotavljati operater prenosnega omrežja. Ob vedno večjem deležu fotovoltaike v sistemu je to vedno težje zagotavljati, saj se vrednosti proizvodnje fotovoltaičnih virov elektrike spreminjajo nepredvidljivo. Deležniki elektroenergetskega sistema pa morajo vnaprej zagotoviti usklajenost porabe in proizvodnje električne energije. V ta namen pregledamo vpliv različnih metod na napovedovanje proizvodnje fotovoltaike na območju Slovenije. Ob vplivu napovedovalnih metod preverjamo tudi vpliv napovedanega in realnega vremena na proces modeliranja in napovedovanja. V prvem delu magistrskega dela pregledamo osnovne matematične pojme, ki jih potrebujemo za nadaljnjo teorijo o napovedovalnih metodah. Nato predstavimo matematične koncepte metod napovedovanja. V drugem delu se osredotočimo na prikaz rezultatov napovedovanja po napovedovalnih metodah in različnih vhodnih podatkih. Po pregledu rezultatov ugotovimo, da se na predstavljenem kontekstu napovedovanja najbolje obnese metoda podpornih vektorjev z radialnim jedrom. Upoštevati moramo tudi predprocesiranje podatkov, saj je pred napovedovanjem potrebno podatke preslikati z metodo glavnih komponent. Pomemben delež k izboljšanju napake pri napovedovanju prinese tudi uporaba dejanskih podatkov o vremenu, ki se uporabijo v procesu modeliranja.
Keywords: fotovoltaika, napovedovanje fotovoltaične proizvodnje, metoda podpornih vektorjev, metoda glavnih komponent, multipla linearna regresija
Published in DKUM: 20.11.2019; Views: 1154; Downloads: 108
Full text (1,05 MB) |
4. Napovedovanje prihoda ameriških turistov v SlovenijoIrena Babić, 2019, bachelor thesis/paper Abstract: Napovedovanje je v poslovnem okolju ključnega pomena za pravilno sprejemanje poslovnih odločitev in zmanjšanje tveganj le teh ter za uspešno in učinkovito poslovanje, kar velja tudi za turistični sektor. Pri tem je natančno napovedovanje bodočih turističnih trendov še posebej pomembno za pravilno planiranje bodočih investicij v turistično infrastrukturo, saj napačne investicije na osnovi napačnih napovedi lahko vodijo v velike izgube. V okviru načrtovanja modelov za napovedovanje je izrednega pomena ustrezen izbor matematičnih in statističnih metod, na osnovi katerih bo prediktivni model zagotavljal dobre napovedi. V turističnih oskrbovalnih verigah se napovedi turističnega povpraševanja prav tako uporabljajo za zmanjšanje tveganj odločitev in stroškov, da ne bi prišlo do napačnih poslovnih potez in investicij v turistične objekte. V naši diplomski nalogi smo testirali in primerjali dve metodi, in sicer metodo Holt-Winters (HW) in Multiplo linearno regresijo (MLR). Pri metodi HW smo uporabili zgodovinske podatke o prihodu ameriških turistov v Slovenijo. Pri MLR pa smo poleg podatkov o prihodu ameriških turistov, torej časovne vrste, ki jo napovedujemo, uporabili tudi eksogene makroekonomske kazalnike gospodarstva ZDA kot vhodne regresorske časovne vrste. Rezultati so pokazali, da se model MLR nekoliko bolje prilega dejanskim podatkom v primerjavi z modelom HW. Torej dodatne informacije, ki jih nosijo eksogeni kazalniki, pripomorejo k boljšemu opisu dinamike gibanja prihodov ameriških turistov. Poleg same analize dinamike gibanja prihodov turistov nas je zanimalo tudi napovedovanje, kjer smo uporabili model HW, s katerim smo izračunali napovedi prihodnjih prihodov turistov za štiri četrtletja.
Keywords: napovedovanje, Holt-Winters metoda, multipla linearna regresija, makroekonomski kazalniki, ameriški turisti
Published in DKUM: 04.04.2019; Views: 865; Downloads: 72
Full text (2,23 MB) |
5. Zasnova in razvoj aplikacije za napovedovanje vremena z uporabo strojnega učenjaKlemen Bec, 2018, undergraduate thesis Abstract: Zaradi sodobne tehnologije, kot so npr. računalniki in internet imamo, v današnjem času, na voljo zelo veliko podatkov. To je tudi eden izmed glavnih razlogov, zakaj je postalo strojno učenje tako popularno. Med podatki so tudi podatki o vremenu, ki jih pridobivamo s satelitov, zračnih balonov in vremenskih postaj na Zemlji. Zato sem se odločil, da bom izdelal aplikacijo, ki bo s pomočjo teh podatkov in strojnega učenja napovedala vreme.
V diplomskem delu je približno četrtina vsebine namenjena teoriji. Na kratko je predstavljeno napovedovanje vremena in strojno učenje. Opisano je, kako sta ta dva področja med sabo povezana v praksi. V zadnjem delu teorije so opisane uporabljene metode strojnega učenja in merila kakovosti. Predstavljeni so tudi uporabljeni programi in tehnologije. Predvsem pa je diplomsko delo osredotočeno na izdelavo aplikacije za napovedovanje vremena. Na koncu je predstavljena uporaba aplikacije. Podani so končni rezultati in zapisane so ugotovitve.
Keywords: strojno učenje, nevronske mreže, priprava podatkov, vremenska napoved, linearna regresija, LSTM, scikit-learn, keras
Published in DKUM: 08.10.2018; Views: 1311; Downloads: 169
Full text (1,90 MB) |
6. Napovedovalni model proizvodnje energije v digitalnem dvojčku sončne elektrarneLea Zajc, 2018, master's thesis Abstract: Magistrsko delo obravnava koncept digitalnega dvojčka in predstavi implementacijo digitalnega dvojčka sončne elektrarne s tehnologijo napovedovanja proizvodnje električne energije. Implementiranih je pet metod napovedovanja s poudarkom na metodi naključnih gozdov. Delo je razdeljeno v šest poglavij. Prvo poglavje definira koncept digitalnega dvojčka in opiše njegove glavne procese. Navedejo se namen in primeri uporabe. Drugo poglavje predstavi napovedovanje proizvodnje sončne elektrarne s fotonapetostnimi celicami. Opisan je proces pretvorbe sončne energije v električno. Našteti in opisani so vplivi na proizvodnjo sončne elektrarne, definirani sta atmosferska in električna formula za izračun električne energije v nekem času t. Opisane so metode za napovedovanje proizvodnje električne energije: posplošena linearna regresija, metoda podpornih vektorjev in avtoregresija. Definirana je formula za napoved proizvodnje električne energije z vključenimi lastnostmi sončne elektrarne in nekaterimi vremenskimi podatki, kar predstavlja fizikalni model. V tretjem poglavju je podrobneje predstavljeno delovanje naključnih gozdov in primeri uporabe, kjer se na začetku omeni odločitvena drevesa, s pomočjo katerih je izpeljana definicija naključnih gozdov. Četrto poglavje predstavi taksonomijo problemov in metod napovedovanja elektroenergetskih količin, v tabelo so dodane nove taksonomske enote, primerjave med tehnikami napovedovanja so uvrščene v izdelano taksonomijo, razširi se graf primerjav. Peto poglavje prikaže implementacijo digitalnega dvojčka sončne elektrarne FERI, predstavijo se vhodni parametri senzorjev, ostali vhodni podatki ter podatki, ki bi jih bilo smiselno pridobiti in vključiti. Opisana je integracija digitalnega dvojčka s sončno elektrarno. V analitiki digitalnega dvojčka je, s pomočjo zgledov, predstavljena uporaba metod napovedovanja. V zadnjem poglavju so definirani pogreški za primerjavo modelov, sledijo razlage rezultatov posameznih modelov polurne napovedi. Na koncu so modeli med sabo primerjani glede na novo definiran pogrešek E-MAPE, ki je konsistenten s standardno uporabljenim pogreškom M AE, razen pri primerjavi rezultatov avtoregresije in posplošene linearne regresije.
Keywords: digitalni dvojček, sončna elektrarna, napovedovanje, naključni gozd, podporni vektorji, posplošena linearna regresija, avtoregresija, fizikalni model, taksonomija
Published in DKUM: 04.10.2018; Views: 792; Downloads: 146
Full text (1,80 MB) |
7. Rekurzivna delitev modelov linearne regresije za oceno zanimivosti asociativnih pravil v različnih časovnih obdobjihGoran Hrovat, 2018, doctoral dissertation Abstract: Zanimivosti asociativnih pravil ali pogostih množic postavk se lahko skozi čas spreminjajo. Prav tako je lahko njihova zanimivost različna za različne skupine (npr. skupine ljudi). V doktorski disertaciji je predstavljen nov algoritem za določanje zanimivosti asociativnih pravil in množic postavk v različnih časov¬nih obdobjih. Algoritem odkriva skupine pacientov, ki se glede na trend zanimivosti asociativnega pravila statistično značilno razlikujejo. Rezultat algoritma je odločitveno regresijsko drevo, katerega povezave predstavljajo različne skupine pacientov, listi pa prikazujejo grafe z zanimivostmi asociativnega pravila ali množice postavk v različnih časovnih obdobjih. Pokazali smo tudi, da podpora pogoste množice postavk vpliva na kompleksnost zgrajenega regresijskega drevesa. Za demonstracijo smo uporabili elektronske zdravstvene zapise, zbrane v obdobju 15 let, ki predstavljajo odpuste pacientov iz različnih bolnišnic v Združenih državah Amerike. Predstavljeni algoritem predstavlja v tem primeru uporabno vrednost za bolnišnice, zavarovalnice, raziskovalne in ostale institucije, saj jih lahko odkrito znanje vodi do novih spoznanj in optimizacije poslovanja.
Keywords: podatkovno rudarjenje, mere zanimivosti, asociativna pravila, podpora odločanju, regresijsko dre-vo, linearna regresija, elektronski zdravstveni zapis
Published in DKUM: 12.07.2018; Views: 1660; Downloads: 109
Full text (17,46 MB) |
8. Odziv mehanskih lastnosti na mikrostrukturne spremembe jekla 16MnCrS5Ana Turnšek, 2017, undergraduate thesis Abstract: Štore Steel je največji proizvajalec vzmetnega jekla v Evropi. Podjetje Štore Steel izdeluje več kot 1400 jekel različnih kvalitet z različnimi kemijskimi sestavami. Med njimi je 16MnCrS5, ki spada v skupino jekel za cementacijo. Le-ta so namenjena za strojno obdelavo različnih delov (npr. palic, plošč, trakov, odkovkov), pri katerih se zahteva kombinacija obrabne odpornosti, žilavosti ter trajno-nihajne trdnosti. Vse te lastnosti lahko povezujemo z natezno trdnostjo, ki je odvisna predvsem od kemične sestave in toplotne obdelave po valjanju. Prav tako je pomemben raztezek. V diplomskem delu je predstavljena metoda napovedovanja natezne trdnosti in raztezka s pomočjo linearne regresije. V napovednem modelu smo uporabili vsebnosti legirnih elementov v jeklu (C, Mn, S in Cr) ter načine toplotne obdelave. Glede na rezultate analize lahko povečamo natezno trdnost in izboljšamo raztezek.
Keywords: 16MnCrS5, natezna trdnost, linearna regresija, raztezek, modeliranje
Published in DKUM: 03.04.2017; Views: 1788; Downloads: 228
Full text (3,83 MB) |
9. Integrirani avtoregresijski modeli s premikajočimi sredinami za napovedovanje porabe električne energijeMatic Tajnik, 2016, master's thesis Abstract: Magistrsko delo obravnava primerjavo pristopov različnih tehnik k napovedovanju porabe električne energije. Delo je razdeljeno na pet poglavij. V prvem poglavju so predstavljene tehnike modeliranja, ki so potrebne za razumevanje opravljenih analiz in nadaljnih primerjav, to so: večstopenjska linearna regresija, metoda podpornih vektorjev, naključni gozd in mehka logika. Pregledu metod modeliranja sledi poglavje, kjer so predstavljeni indeksi kakovosti modelov. Razdeljeni so v pet podpoglavij: napake, determinacijski koeficient, popravljen determinacijski koeficient, statistični F-test in informacijski kriteriji. V tretjem poglavju so podrobno predstavljeni in razčlenjeni integrirani avtoregresijski modeli premikajoče sredine (ARIMA). Naprej je predstavljena avtokorelacija in njene funkcije, sledi definicija stacionarnosti in diferenciranja časovne vrste, predstavljeni so sezonski ARIMA modeli, na koncu sledijo koraki Box-Jenkins metodologije za izgradnjo ARIMA modelov. V četrtem poglavju je povzeta uporaba taksonomije, izdelana je razširitev taksonomije napovedovanja v elektrogospodarstvu, predstavljena je obdelana literatura in prikaz taksonomskih enot, ki so bile vsebovane v njej. Poleg taksonomskih enot so za obravnavano literaturo predstavljeni grafi primerjav tehnik modeliranja. V zadnjem poglavju so predstavljeni izračuni in primerjava rezultatov natančnosti modelov za napovedovanje. Najprej je predstavljena lastna časovna vrsta, sledi konstrukcija ARIMA modela po Box-Jenkins metodologiji in kasneje še modelov AutoARIMA (funkcija, ki samostojno določi parametre modela), multiple linearne regresije (MLR) in metode podpornih vektorjev (SVM). Na koncu poglavja so prikazane analize primerjav med modeli glede na dolžino in odmik učnega obdobja. Primerjani so tudi modeli za 12 urno napovedovanje.
Keywords: napovedovanje, linearna regresija, naključni gozd, podporni vektorji, ARIMA modeli, taksonomija, mehka logika, informacijski kriteriji.
Published in DKUM: 07.02.2017; Views: 2452; Downloads: 306
Full text (4,58 MB) |
10. VPLIV MAKROEKONOMSKIH RAZMER NA OBLIKOVANJE CEN NEPREMIČNINNiko Županec, 2016, master's thesis Abstract: Magistrsko delo preučuje odnos med makroekonomskimi spremenljivkami in cenami stanovanjskih nepremičnin v štirih državah, Sloveniji, Avstriji, Nemčiji in v Veliki Britaniji. Raziskava temelji na metodi najmanjših kvadratov z namenom proučitve vpliva pojasnjevalnih spremenljivk, kot so bruto domači proizvod, realna višina dologoročnih obrestnih mer, stopnja brezposelnosti in drugih na odvisno spremenljivko, obravnavano v raziskavi, to je na indeks cene stanovanjskih nepremičnin.
Podatki za analizo so pridobljeni iz sekundarnih virov, v obliki časovnih vrst. Podatke smo obdelali, da so bili primerni za analizo.
Analizirali so izbrane makroekonomske kazalnike, za katere smo na podlagi preteklih raziskav in analiz predvidevali, da imajo vpliv na cene stanovanjskih nepremičnin. Tekom raziskave smo za vsako posamezno državo razvili linearni regresijski model in z metodo najmanjših kvadratov smo ocenili vpliv posameznega makroekonomskega kazalnika. Ob tem smo testirali vse zahtevane predpostavke metode najmanjših kvadratov, s čemer smo zagotovili verodostojne rezultate.
Keywords: nepremičnine, linearna regresija, ekonometrija, empirične raziskave, modeli, spremenljivke, analiza, kazalniki
Published in DKUM: 14.09.2016; Views: 781; Downloads: 144
Full text (1,45 MB) |
