Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali uporabite sodobnejši brskalnik.
|
|
SLO
|
ENG
|
Piškotki in zasebnost
DKUM
EPF - Ekonomsko-poslovna fakulteta
FE - Fakulteta za energetiko
FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
FF - Filozofska fakulteta
FGPA - Fakulteta za gradbeništvo, prometno inženirstvo in arhitekturo
FKBV - Fakulteta za kmetijstvo in biosistemske vede
FKKT - Fakulteta za kemijo in kemijsko tehnologijo
FL - Fakulteta za logistiko
FNM - Fakulteta za naravoslovje in matematiko
FOV - Fakulteta za organizacijske vede
FS - Fakulteta za strojništvo
FT - Fakulteta za turizem
FVV - Fakulteta za varnostne vede
FZV - Fakulteta za zdravstvene vede
MF - Medicinska fakulteta
PEF - Pedagoška fakulteta
PF - Pravna fakulteta
UKM - Univerzitetna knjižnica Maribor
UM - Univerza v Mariboru
COBISS
Ekonomsko poslovna fakulteta
Fakulteta za kmetijstvo
Fakulteta za logistiko
Fakulteta za organizacijske vede
Fakulteta za varnostne vede
Fakulteta za zdravstvene vede
Knjižnica tehniških fakultet
Medicinska fakulteta
Miklošičeva knjižnica - FPNM
Pravna fakulteta
Univerzitetna knjižnica Maribor
Večja pisava
|
Manjša pisava
Uvodnik
Iskanje
Brskanje
Oddaja dela
Statistika
Prijava
Prva stran
>
Izpis gradiva
Izpis gradiva
Naslov:
Napovedovanje porabe pitne vode z metodami časovnih vrst in strojnega učenja
Avtorji:
ID
Dodič, Sara
(Avtor)
ID
Strnad, Damjan
(Mentor)
Več o mentorju...
Datoteke:
UN_Dodic_Sara_2023.pdf
(1,83 MB)
MD5: 4C3237DEF77BECC849880BFBD7021DEE
Jezik:
Slovenski jezik
Vrsta gradiva:
Diplomsko delo/naloga
Tipologija:
2.11 - Diplomsko delo
Organizacija:
FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:
V diplomski nalogi se ukvarjamo z napovedovanjem porabe pitne vode. Naš glavni cilj je primerjava napovednih modelov SARIMA in nevronske mreže LSTM. Pri napovedovanju se osredotočimo na časovne vrste posameznih gospodinjstev ter časovne vrste vodovodnega omrežja, ki so vzorčene mesečno. Primerjavo napovednih modelov izvedemo na podlagi njihove srednje kvadratne napake pri prileganju na časovno vrsto in napovedovanju porabe pitne vode na testni množici. Rezultati pokažejo, da se najbolje obnese model ARIMA.
Ključne besede:
časovne vrste
,
napovedovanje
,
ARIMA
,
LSTM
Kraj izida:
Maribor
Leto izida:
2023
PID:
20.500.12556/DKUM-83743
Datum objave v DKUM:
13.02.2023
Število ogledov:
321
Število prenosov:
60
Metapodatki:
Področja:
KTFMB - FERI
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago 17th Author-Date
Harvard
IEEE
ISO 690
MLA
Vancouver
:
Kopiraj citat
Skupna ocena:
(0 glasov)
Vaša ocena:
Ocenjevanje je dovoljeno samo
prijavljenim
uporabnikom.
Objavi na:
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...
Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.
Licence
Licenca:
CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:
Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:
30.01.2023
Sekundarni jezik
Jezik:
Angleški jezik
Naslov:
Drinking water usage forecasting using methods of time series and machine learning
Opis:
In this thesis we focus on forecasting drinking water usage. Our main goal is to compare the ARIMA models and the LSTM neural network model. We focus on forecasting time series of individual households and time series of water supply network, which are sampled monthly. Comparison of forecasting models is performed on basis of their mean squared error when fitting the time series and predicting drinking water consumption on the test set. The results show that the ARIMA model performs best.
Ključne besede:
time series
,
forecasting
,
ARIMA
,
LSTM
Komentarji
Dodaj komentar
Za komentiranje se morate
prijaviti
.
Komentarji (0)
0 - 0 / 0
Ni komentarjev!
Nazaj
