Система прогнозування інтенсивності атмосферних опадів на основі метеорологічних даних із використанням методів машинного навчання
Вантажиться...
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота виконана на 86 сторінках, містить 25 рисунки, 4 таблиці, 2 додатки, 47 джерел у переліку посилань.
Мета роботи – розробка програмної системи прогнозування інтенсивності атмосферних опадів для семи міст України на основі гібридної архітектури регресійної моделі Transformer та XGBoost-класифікатора з горизонтом прогнозу 24 години.
Методи та засоби: Python 3.12, PyTorch 2.9.0, XGBoost 2.1, Pandas, NumPy, Scikit-learn, Streamlit, Plotly.
Основний зміст роботи: проведено аналіз методів прогнозування опадів; реалізовано пайплайн збору та обробки п'яти років погодинних спостережень для Києва, Харкова, Львова, Одеси, Дніпра, Чернігова та Ужгорода; навчено Transformer-регресор та XGBoost-класифікатор з механізмом раннього зупинення; реалізовано гібридний механізм узгодження прогнозів; розроблено вебінтерфейс з інтерактивною візуалізацією; проведено оцінювання за метриками RMSE, MAE, R², F1-Score, ROC-AUC.
Результат – програмна система прогнозування інтенсивності атмосферних опадів, що реалізує гібридну архітектуру регресійної моделі Transformer та XGBoost-класифікатора.
Система призначена для прогнозування інтенсивності атмосферних опадів для семи великих міст України — Києва, Харкова, Львова, Одеси, Дніпра, Чернігова та Ужгорода. Програма складається з п'яти функціональних модулів: збору метеорологічних даних через WeatherAPI, попередньої обробки даних, навчання моделей машинного навчання, оцінювання якості прогнозів та вебінтерфейсу користувача. Система реалізує гібридну двоетапну архітектуру: XGBoost-класифікатор визначає факт наявності опадів на горизонті 24 годин, а Transformer формує регресійний прогноз погодинної інтенсивності у мм/год. Вхідними даними є 72 години погодинних метеорологічних спостережень (температура, вологість, тиск, швидкість та напрямок вітру, хмарність та ін.). Вебінтерфейс на основі Streamlit дозволяє обирати місто, отримувати актуальні прогнози та переглядати результати у вигляді погодинних стовпчикових діаграм, теплової карти, кумулятивної кривої накопичення опадів та автоматично згенерованого текстового прогнозу. Журнал прогнозів зберігає історію всіх запитів. Передбачено експорт прогнозних даних у форматі CSV. Система функціонує на персональному комп'ютері без спеціалізованого серверного обладнання та GPU. Система орієнтована на використання в аграрному секторі, комунальних підприємствах, службах моніторингу надзвичайних ситуацій та для повсякденного планування діяльності, що залежить від погодних умов.
Опис
Ключові слова
машинне навчання, Transformer, XGBoost, прогнозування атмосферних опадів, часові ряди, глибоке навчання, гібридна архітектура, Streamlit, Python, machine learning, atmospheric precipitation forecasting, time series, deep learning, hybrid architecture
Бібліографічний опис
Нагаївська, Д. О. Система прогнозування інтенсивності атмосферних опадів на основі метеорологічних даних із використанням методів машинного навчання : дипломна робота ... бакалавра : 122 Комп’ютерні науки / Нагаївська Дарина Олександрівна. – Київ, 2026. – 86 с.