Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/11238
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Довгалюк Юлия Александровна | ru_RU |
dc.contributor.author | Хватков Евгений Владимирович | ru_RU |
dc.contributor.author | Hvatkov Evgenij | en_GB |
dc.contributor.editor | Станкова Елена Николаевна | ru_RU |
dc.contributor.editor | Stankova Elena Nikolаevnа | en_GB |
dc.date.accessioned | 2018-07-25T20:12:16Z | - |
dc.date.available | 2018-07-25T20:12:16Z | - |
dc.date.issued | 2017 | |
dc.identifier.other | 033690 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/11238 | - |
dc.description.abstract | В данной работе проводится исследование информации, полученной из численной модели конвективного облака, с помощью представления в многомерной базе данных и методов машинного обучения. Данные для анализа получены при помощи комплексной информационной системы, собирающей и агрегирующей данные с сайтов метеослужб. Данные представляют собой наборы численных параметров конвективного облака и типы опасного конвективного явления (дождь, ливень, гроза или отсутствие явлений). Прогноз проводится с помощью алгоритма машинного обучения k ближайших соседей с предварительной нормализацией данных стандартным отклонением для повышения точности предсказания. Результат для отдельных условий прогноза составляет высокую точность (больше 96%). | ru_RU |
dc.description.abstract | In this paper, we study information obtained from a numerical model of a convective cloud, using a representation in a multidimensional database and methods of machine learning. Data for analysis are obtained using an integrated information system that collects and aggregates data from weather services sites. Data are sets of numerical parameters of the convective cloud and the types of dangerous convective phenomenon (rain, shower, storm or absence of phenomena). The forecast is carried out using the algorithm of machine learning k nearest neighbors with preliminary normalization of data by a standard deviation to improve the accuracy of the prediction. The result for particular forecast conditions is high accuracy (more than 96%). | en_GB |
dc.language.iso | ru | |
dc.subject | многомерная база данных | ru_RU |
dc.subject | численная модель облака | ru_RU |
dc.subject | конвективное облако | ru_RU |
dc.subject | численное моделирование | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | k ближайших соседей | ru_RU |
dc.subject | multidimensional database | en_GB |
dc.subject | numerical cloud model | en_GB |
dc.subject | convective cloud | en_GB |
dc.subject | numerical simulation | en_GB |
dc.subject | machine learning | en_GB |
dc.subject | k nearest neighbors | en_GB |
dc.title | Using multidimensional database for analysis of specialised meteorological information | en_GB |
dc.title.alternative | Использование многомерных баз данных для анализа специализированной метеорологической информации | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Using_multidimensional_database_for_the_analysis_of_specialized_meteorological_information.doc | Article | 404,5 kB | Microsoft Word | Просмотреть/Открыть |
reviewSV_Otzyv_Xvatkov.pdf | ReviewSV | 180,82 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Xvatkov_E_V__rec.doc | ReviewRev | 32 kB | Microsoft Word | Просмотреть/Открыть |
reviewSV_Xvatkov_E_V__rec.pdf | ReviewRev | 168,39 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st006792_Stankova_Elena_Nikolaevna_(supervisor)(Ru).txt | ReviewSV | 2,82 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.