Система прогнозування інтенсивності атмосферних опадів на основі метеорологічних даних із використанням методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorГоловакін, Микита Андрійович
dc.contributor.authorНагаївська, Дарина Олександрівна
dc.date.accessioned2026-07-30T09:35:22Z
dc.date.available2026-07-30T09:35:22Z
dc.date.issued2026
dc.description.abstractДипломна 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.
dc.description.abstractotherThe thesis comprises 86 pages and includes 25 figures, 4 tables, 2 appendices and 47 references. The aim of the thesis is to develop a software system for forecasting atmospheric precipitation intensity for seven cities of Ukraine based on a hybrid architecture combining a Transformer regression model and an XGBoost classifier with a 24-hour forecast horizon. Methods and tools: Python 3.12, PyTorch 2.9.0, XGBoost 2.1, Pandas, NumPy, Scikit-learn, Streamlit, Plotly. Main content of the work: an analysis of precipitation forecasting methods was conducted; a pipeline for collecting and processing five years of hourly observations for Kyiv, Kharkiv, Lviv, Odesa, Dnipro, Chernihiv and Uzhhorod was implemented; a Transformer regressor and an XGBoost classifier with an early stopping mechanism were trained; a hybrid forecast fusion mechanism was implemented; a web interface with interactive visualisation was developed; model evaluation was carried out using the RMSE, MAE, R², F1-Score and ROC-AUC metrics. The result is a software system for forecasting atmospheric precipitation intensity implementing a hybrid architecture of a Transformer regression model and an XGBoost classifier.
dc.format.extent86 с.
dc.identifier.citationНагаївська, 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.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82329
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмашинне навчання
dc.subjectTransformer
dc.subjectXGBoost
dc.subjectпрогнозування атмосферних опадів
dc.subjectчасові ряди
dc.subjectглибоке навчання
dc.subjectгібридна архітектура
dc.subjectStreamlit
dc.subjectPython
dc.subjectmachine learning
dc.subjectatmospheric precipitation forecasting
dc.subjecttime series
dc.subjectdeep learning
dc.subjecthybrid architecture
dc.titleСистема прогнозування інтенсивності атмосферних опадів на основі метеорологічних даних із використанням методів машинного навчання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Nagaivska_bakalavr.pdf
Розмір:
3.48 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

Бакалаврські роботи (ЦТЕ)
Бакалаврські роботи