Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/25761
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Довгалюк Юлия Александровна | ru_RU |
dc.contributor.advisor | Dovgaluk Ulia Aleksandrovna | en_GB |
dc.contributor.author | Хватков Евгений Владимирович | ru_RU |
dc.contributor.author | Hvatkov Evgenij Vladimirovic | en_GB |
dc.contributor.editor | Станкова Елена Николаевна | ru_RU |
dc.contributor.editor | Stankova Elena Nikolaevna | en_GB |
dc.date.accessioned | 2021-03-24T15:07:58Z | - |
dc.date.available | 2021-03-24T15:07:58Z | - |
dc.date.issued | 2019 | |
dc.identifier.other | 033690 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/25761 | - |
dc.description.abstract | "Применение технологий машинного обучения для реализации численного прогноза опасных конвективных явлений". В данной работе производится классификация и прогнозирование опасных конвективных явлений (грозы, дождя, ливня) при помощи методов машинного обучения (метод k ближайших соседей, модифицированный при помощи AdaBoost и введения весовых коэффициентов). Реализован прогноз опасного конвективного явления по результатам работы численной модели. Наибольшая точность получена при классификации грозы (до 99%). | ru_RU |
dc.description.abstract | "Application of machine learning technologies for numerical prediction of dangerous convective phenomena". This paper classifies and predicts dangerous convective phenomena (thunderstorm, rain, shower) using machine learning methods (k-nearestp-neighbors method, modified using AdaBoost and introducing weights). The forecast of a dangerous convective phenomenon based on the results of the numerical model was implemented. The greatest accuracy was obtained in the classification of thunderstorm (up to 99%). | en_GB |
dc.language.iso | ru | |
dc.subject | Опасное | ru_RU |
dc.subject | конвективное | ru_RU |
dc.subject | атмосферное | ru_RU |
dc.subject | явление | ru_RU |
dc.subject | облако | ru_RU |
dc.subject | моделирование | ru_RU |
dc.subject | классификация | ru_RU |
dc.subject | прогнозирование | ru_RU |
dc.subject | машинное | ru_RU |
dc.subject | обучение | ru_RU |
dc.subject | полуторамерная | ru_RU |
dc.subject | взвешенный | ru_RU |
dc.subject | knn | ru_RU |
dc.subject | adaboost | ru_RU |
dc.subject | гроза | ru_RU |
dc.subject | ливень | ru_RU |
dc.subject | дождь | ru_RU |
dc.subject | ансамбль | ru_RU |
dc.subject | python | ru_RU |
dc.subject | Dangerous | en_GB |
dc.subject | convective | en_GB |
dc.subject | atmospheric | en_GB |
dc.subject | phenomenon | en_GB |
dc.subject | cloud | en_GB |
dc.subject | modeling | en_GB |
dc.subject | classification | en_GB |
dc.subject | forecasting | en_GB |
dc.subject | machine | en_GB |
dc.subject | learning | en_GB |
dc.subject | weighted | en_GB |
dc.subject | knn | en_GB |
dc.subject | adaboost | en_GB |
dc.subject | thunderstorm | en_GB |
dc.subject | shower | en_GB |
dc.subject | rain | en_GB |
dc.subject | ensemble | en_GB |
dc.subject | python | en_GB |
dc.title | Application of machine learning technologies for numerical prediction of dangerous convective phenomena | en_GB |
dc.title.alternative | Применение технологий машинного обучения для реализации численного прогноза опасных конвективных явлений | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Primenenie_tehnologij_masinnogo_obucenia_dla_realizacii_cislennogo_prognoza_opasnyh_konvektivnyh_avlenij.docx | Article | 582,08 kB | Microsoft Word XML | Просмотреть/Открыть |
reviewSV_Otzyv_Hvatkov.pdf | ReviewSV | 293,36 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.