Інтелектуальна система оцінювання страхових ризиків в аграрному секторі на основі методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorКузнєцова, Наталія Володимирівна
dc.contributor.authorЯрко, Андрій Юрійович
dc.date.accessioned2026-02-03T14:03:53Z
dc.date.available2026-02-03T14:03:53Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація: 135 с., 38 рис., 21 табл., 1 додаток, 21 джерел. Об’єкт дослідження – процеси формування, прогнозування та оцінювання страхових ризиків у аграрному секторі в умовах невизначеності природно-кліматичних та економічних факторів. Предмет дослідження – методи машинного навчання, статистичного аналізу, імітаційного моделювання та інтелектуальні підходи до побудови систем оцінювання аграрних страхових ризиків, включно з алгоритмами прогнозування врожайності та розрахунку страхових показників. Мета роботи – створення інтелектуальної системи підтримки прийняття рішень, яка забезпечує точне прогнозування врожайності сільськогосподарських культур і визначення ключових страхових показників: ймовірності дефіциту, очікуваних збитків, Value-at-Risk та Conditional Value-at Risk. У роботі використано методи машинного навчання (регресійні моделі, ансамблеві алгоритми), статистичного аналізу, просторової обробки супутникових даних MODIS та кліматичних реаналізів ERA5-Land, а також метод Монте-Карло для моделювання сценаріїв невизначеності.
dc.description.abstractotherMaster’s thesis: 135 pages, 38 figures, 21 tables, 1 appendix, 21 references. The object of the research is the processes of formation, forecasting, and assessment of insurance risks in the agricultural sector under uncertainty caused by natural-climatic and economic factors. The subject of the research is machine learning methods, statistical analysis, simulation modeling, and intelligent approaches to designing systems for assessing agricultural insurance risks, including algorithms for yield forecasting and calculation of insurance indicators. The aim of the thesis is to develop an intelligent decision support system that provides accurate forecasting of crop yields and determination of key insurance metrics: probability of deficit, expected loss, Value-at-Risk, and Conditional Value-at Risk. The study employs machine learning techniques (regression models, ensemble algorithms), statistical analysis, spatial processing of MODIS satellite data and ERA5-Land climate reanalysis, as well as the Monte Carlo method for modeling uncertainty scenarios.
dc.format.extent135 с.
dc.identifier.citationЯрко, А. Ю. Інтелектуальна система оцінювання страхових ризиків в аграрному секторі на основі методів машинного навчання : магістерська дис. : 124 Системний аналіз / Ярко Андрій Юрійович. – Київ, 2025. – 135 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78623
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectаграрні ризики
dc.subjectстрахування
dc.subjectпрогнозування врожайності
dc.subjectмашинне навчання
dc.subjectсупутникові дані
dc.subjectмонте-карло
dc.subjectvar
dc.subjectcvar
dc.subjectінтелектуальна система
dc.subjectагрострахування
dc.subjectagricultural risks
dc.subjectinsurance
dc.subjectyield forecasting
dc.subjectmachine learning
dc.subjectsatellite data
dc.subjectmonte carlo
dc.subjectvar
dc.subjectcvar
dc.subjectintelligent system
dc.subjectagricultural insurance
dc.subject.udc303.732.4
dc.titleІнтелектуальна система оцінювання страхових ризиків в аграрному секторі на основі методів машинного навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Yarko_magistr.pdf
Розмір:
2.53 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 (ММСА)
Магістерські роботи