• ВХОД

    •  

    Полное описание

    Кобзаренко, Дмитрий Николаевич. Исследование моделей нейронных сетей для прогнозирования скорости ветра на основе метеорологических наблюдений в Северном Дагестане / Д. Н. Кобзаренко, А. М. Камилова. - DOI 10.17587/it.30.350-356. - Текст : непосредственный // Информационные технологии : теоретический и прикладной научно-технический журнал. - 2024. - Том 30, N 7. - С. 350-356. - Библиогр. в конце ст. - ISSN 1684-6400.

    ГРНТИ УДК
    28.23004.8
    28.23.25004.032.26
    28.23.37004.85
    37.21551.5

    Рубрики:
    Искусственный интеллект
    Нейронные сети
    Машинное обучение
    Метеорологические наблюдения

    Кл.слова (ненормированные): скорость ветра -- анализ данных -- искусственный интеллект -- нейронная сеть -- глубокое машинное обучение
    Аннотация: Приведены результаты экспериментов по исследованию вариантов архитектур нейронных сетей для прогнозирования скорости ветра на основе метеорологических временных рядов по Северному Дагестану. При работе с данными и моделями использованы современные программные средства языка программирования Python для Data Science, такие как Keras - библиотека для моделирования нейронных сетей, Pandas - библиотека для обработки табличных данных, AutoKeras - библиотека для автоматической генерации модели нейронной сети на основе датасета, TabGan - библиотека для обогащения датасета искусственными данными. В качестве исходных данных взяты регулярные наблюдения на метеорологической станции Кочубей (Северный Дагестан) за период 2011-2022 гг. с частотой обобщения измерений 8 раз в сутки. Исходные полуструктурированные данные предварительно обработаны и сведены к структурированному формату CSV-датасета. Задача прогнозирования скорости ветра сводится к задаче классификации, в рамках которой прогнозируется не само значение скорости ветра, а номер класса в соответствии с градацией. С точки зрения рассмотрения скорости ветра как ресурса возобновляемой энергии приняты три класса с градациями: класс 0: 0...3 м/с (затишье); класс 1: 4...7м/с (средний ветер, достаточный для оптимальной работы ветрогенератора); класс 2: 8 м/с и выше (сильный ветер). При выполнении экспериментов анализировались степени влияния на точность прогноза нескольких аспектов, таких как: размер блока данных по времени, архитектура нейронной сети, перевод табличных признаков к нормальной форме или к форме категорий, обогащение датасета искусственными данными, компоновка проверочной и тестовой выборок, учет разбалансировки классов, учет различных метеорологических параметров в качестве признаков.
    Доп. точки доступа:
    Камилова, Айшат Магомедрасуловна

    Экз-ры полностью 6add964e856856143c600fcd089f936a/2024/30/7
    Нет сведений об экземплярах
    Держатели документа:
    Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -322047-341083)

    Шифр в сводном ЭК: d86e9098bb9c668e0737a8f032a4bc23




    Заказ фрагмента документа ₽