Аналіз та передбачення погодних умов на основі машинного навчання з інтеграцією веб-технологій

Скорочена інформація про документ
dc.contributor.advisorОтрох, Сергій Іванович
dc.contributor.authorПостернак, Антон Володимирович
dc.date.accessioned2026-02-02T11:17:12Z
dc.date.available2026-02-02T11:17:12Z
dc.date.issued2025
dc.descriptionРозроблений 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.
dc.description.abstractАктуальність 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.
dc.description.abstractotherRelevance of the topic. The increasing role of weather analytics strengthens the need for accessible tools for basic exploratory analysis of weather data and rapid generation of predictions, as well as for simple educational and demonstration tools that familiarize users with the main methods of machine learning without the need for specialized technical knowledge. The purpose of the work is to develop an integrated web-based application that implements the full cycle of weather data processing: import of tabular samples, basic exploratory analysis, and generation of predictions based on supervised machine learning models with fixed hyperparameters. The tasks of the research are: – carry out an analysis of the subject area and existing approaches to processing weather data and constructing forecasts; – assess the suitability and effectiveness of the main supervised machine learning models for predicting weather parameters and substantiate the choice; – design the architecture of the web application and define the functional interaction of its components; – implement modules for data processing and organization, basic exploratory analysis and prediction generation, and test their operation within a single software environment; – assess the market prospects for introducing the developed application. The object of the research is the processes of handling, analysis and prediction of weather data in web-based information systems. The subject of the research is machine learning methods, algorithmic approaches, and the means of their integration into a web-based software environment for classification and prediction of weather data parameters. The practical value of the results obtained lies in the creation of a web-based application that provides capabilities for uploading, basic exploratory analysis and prediction of weather data within a single interface without the need for advanced technical knowledge. The resulting tool can be used for quick prediction generation in applied tasks of low complexity, as well as an educational tool for familiarizing users with the basics of machine learning using weather data as an example. The research methods include analysis of scientific sources and existing solutions for processing and forecasting weather data, prediction methods based on machine learning models, comparative analysis and evaluation of model quality using quantitative metrics, as well as experimental testing of the developed web-based application. Approbation of the dissertation results. The main results of the work were presented at the 2nd International Scientific and Practical Conference “Scientific Research: Emerging Theories and Practical Breakthroughs” (17–19 November 2025, Edinburgh, Scotland). The dissertation consists of a list of notations, abbreviations and terms; an introduction; six chapters and conclusions. The total volume of the work is 113 pages, including 91 pages of main text. The list of references occupies 5 pages and contains 43 items, and the appendices comprise 17 pages. Publications. The main provisions of the dissertation are reflected in the following publications: – Otrokh S., Posternak A. Web-based System for Weather Data Analysis and Prediction with Machine Learning. Scientific Research: Emerging Theories and Practical Breakthroughs: abstracts of the 2nd International Scientific and Practical Conference (Edinburgh, 17–19 November 2025) / European Open Science Space. Edinburgh, 2025. P. 104–107; – Melnyk Y. V., Otrokh S. I., Posternak A. V. Analysis and prediction of weather conditions based on machine learning with integration of web technologies // Scientific Notes of the State University of Information and Communication Technologies. 2025. № 2.
dc.format.extent113 с.
dc.identifier.citationПостернак, 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.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78585
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectпередбачення погодних умов
dc.subjectмашинне навчання
dc.subjectAutoML
dc.subjectвеб-застосунок
dc.subjectMERN
dc.subjectScikit-learn
dc.subjectweather prediction
dc.subjectmachine learning
dc.subjectweb application
dc.titleАналіз та передбачення погодних умов на основі машинного навчання з інтеграцією веб-технологій
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Posternak_magistr.pdf
Розмір:
7.08 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ЦТЕ)
Магістерські роботи