Прогнозування глобальних конфліктів засобами машинного навчання: часовий аналіз історичних даних про війни

Скорочена інформація про документ
dc.contributor.advisorКупенко, Ольга Петрівна
dc.contributor.authorБондаренко, Даниїл Олександрович
dc.date.accessioned2025-06-11T14:01:19Z
dc.date.available2025-06-11T14:01:19Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація: 127 ст., 37 рис., 24 табл., 29 посилань, додаток. Об’єкт дослідження – часовий ряд, що відображає загальну кількість активних глобальних військових конфліктів у світі. Предмет дослідження – статистичні методи та моделі машинного навчання, що використовуються для прогнозування розвитку часового ряду з метою оцінки ризику виникнення глобальних конфліктів. Метою роботи є аналіз структурних особливостей вхідних даних та побудова адекватного прогнозу кількості військових конфліктів у світі на перспективу 10 років. У дисертаційній роботі розглянуто етапи передобробки часового ряду, проведено його аналіз та характеристику, досліджено методи сезонної та трендової декомпозиції. Також побудовано моделі прогнозування з використанням класичних статистичних методів та алгоритмів машинного навчання, зокрема багатошарового перцептрона та рекурентних нейронних мереж. Результатом дослідження є: - проведення порівняльного аналізу точності прогнозів різних моделей із використанням відповідних метрик оцінювання; - побудова прогнозу загальної кількості діючих військових конфліктів у світі на наступні 10 років; - формування регіональних прогнозів кількості глобальних конфліктів у розрізі частин світу.
dc.description.abstractotherMaster’s Thesis: 127 pages, 37 figures, 24 tables, 29 references, appendix. The object of the study is – a time series reflecting the total number of active global military conflicts in the world. The subject of the research is – statistical methods and machine learning models used for forecasting the time series development in order to assess the risk of global conflicts. The purpose of the work is to analyze the structural features of the input data and build an adequate forecast of the number of military conflicts in the world for the next 10 years. The thesis describes the stages of time series preprocessing, analyses and characterizes it, and explores methods of seasonal and trend decomposition. It also builds forecasting models using classical statistical methods and machine learning algorithms, in particular, multilayer perceptron and recurrent neural networks. The results of the study are: - a comparative analysis of the accuracy of forecasts of different models using appropriate evaluation metrics; - forecasting the total number of active military conflicts in the world for the next 10 years; - formulation of regional forecasts of the number of global conflicts by parts of the world.
dc.format.extent127 с.
dc.identifier.citationБондаренко, Д. О. Прогнозування глобальних конфліктів засобами машинного навчання: часовий аналіз історичних даних про війни : магістерська дис. : 122 Комп'ютерні науки / Бондаренко Даниїл Олександрович. - Київ, 2025. - 127 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/74206
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectаналіз часових рядів
dc.subjectгеополітиче прогнозування
dc.subjectекспоненційне згладжування
dc.subjectсезонна декомпозиція
dc.subjectбагатошаровий персептрон
dc.subjectрекурентні нейронні мережі
dc.subjecttime series analysis
dc.subjectgeopolitical forecasting
dc.subjectexponential smoothing
dc.subjectseasonal decompose
dc.subjectmultilayer perceptron
dc.subjectrecurrent neural networks
dc.subject.udc004.852:004.89:355.4](043.3)
dc.titleПрогнозування глобальних конфліктів засобами машинного навчання: часовий аналіз історичних даних про війни
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Bondarenko_magistr.pdf
Розмір:
3.88 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 (ШІ)
Магістерські роботи