Аналіз та передбачення погодних умов на основі машинного навчання з інтеграцією веб-технологій
Вантажиться...
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Актуальність теми. Зростання ролі погодної аналітики посилює потребу в доступних засобах базового дослідницького аналізу погодних даних і швидкого отримання передбачень, а також у простих освітньо-демонстраційних інструментах для ознайомлення користувачів із основними методами машинного навчання без необхідності спеціалізованих технічних знань. Метою роботи є розроблення інтегрованого веб-орієнтованого застосунку, який реалізує повний цикл опрацювання погодних даних: імпорт табличних вибірок, базовий дослідницький аналіз та формування передбачень на основі моделей контрольованого машинного навчання з фіксованими гіперпараметрами.
Завдання дослідження:
– здійснити аналіз предметної області та наявних підходів до опрацювання погодних даних і побудови прогнозів;
– оцінити придатність та ефективність основних моделей машинного навчання з учителем для передбачення погодних параметрів і обґрунтувати вибір;
– розробити архітектуру веб-застосунку та визначити функціональну взаємодію його компонентів;
– реалізувати модулі обробки та організації даних, базового дослідницького аналізу та формування передбачень і провести тестування їх роботи у межах єдиного програмного середовища;
– оцінити ринкові перспективи впровадження розробленого застосунку.
Об’єкт дослідження – процеси опрацювання, аналізу та передбачення погодних даних у веб-орієнтованих інформаційних системах.
Предмет дослідження – методи та алгоритмічні підходи машинного навчання і засоби їх інтеграції у веб-орієнтоване програмне середовище для класифікації та передбачення параметрів погодних даних.
Практична цінність отриманих результатів полягає у створенні веб-орієнтованого застосунку, що забезпечує можливості завантаження, базовий дослідницький аналіз і передбачення погодних даних у єдиному інтерфейсі без потреби в поглиблених технічних знаннях. Отриманий інструмент може використовуватися для швидкого отримання передбачень у прикладних задачах невисокої складності, а також як наочний засіб ознайомлення користувачів з основами машинного навчання на прикладі погодних даних.
Методи дослідження включають аналіз наукових джерел та наявних рішень з обробки та прогнозування погодних даних, методи передбачення на основі моделей машинного навчання, порівняльний аналіз та оцінювання якості моделей з використанням кількісних метрик, а також експериментальне тестування розробленого веб-орієнтованого застосунку.
Апробація результатів дисертації.
Основні результати роботи доповідалися на 2-й Міжнародній науково-практичній конференції «Scientific Research: Emerging Theories and Practical Breakthroughs» (17–19 листопада 2025 р., Единбург, Шотландія).
Дисертація складається з переліку умовних позначень, скорочень і термінів; вступу; шести розділів та висновків. Загальний обсяг роботи становить 113 сторінок, з них 91 сторінка основного тексту. Список використаних джерел має обсяг 5 сторінки та містить 43 найменування, додатки займають 17 сторінок.
Публікації.
Основні положення дисертації відображено в таких публікаціях:
– Otrokh S., Posternak A. Web-based System for Weather Data Analysis and Prediction with Machine Learning. Scientific Research: Emerging Theories and Practical Breakthroughs : тези доп. 2-ї Міжнар. наук.-практ. конф. (Единбург, 17–19 листоп. 2025 р.) / European Open Science Space. Единбург, 2025. С. 104–107;
– Мельник Ю. В., Отрох С. І., Постернак А. В. Аналіз та передбачення погодних умов на основі машинного навчання з інтеграцією веб-технологій // Наукові записки Державного університету інформаційно-комунікаційних технологій. 2025. № 2.
Опис
Розроблений програмний продукт – інтегрований веб-орієнтований застосунок, що дозволяє імпортувати невеликі набори погодних даних у форматі CSV, виконувати базовий дослідницький аналіз та передбачати значення окремих параметрів. Система застосовує основні методи машинного навчання з учителем із фіксованими гіперпараметрами: логістичну регресію, градієнтний бустинг і багатошаровий персептрон. Програмний продукт може використовуватися, зокрема, в освітньо-демонстраційних цілях. Архітектурно програмне рішення реалізовано на основі технологій MERN (MongoDB, Express.js, React, Node.js) з інтеграцією модуля машинного навчання на базі Python (FastAPI, Scikit-learn) для створення моделей та формування передбачень.
Ключові слова
передбачення погодних умов, машинне навчання, AutoML, веб-застосунок, MERN, Scikit-learn, weather prediction, machine learning, web application
Бібліографічний опис
Постернак, А. В. Аналіз та передбачення погодних умов на основі машинного навчання з інтеграцією веб-технологій : магістерська дис. : 122 Комп’ютерні науки / Постернак Антон Володимирович. – Київ, 2025. – 113 с.