Graduate papers
  
Description of the graduate paper
Form of studies Bachelor
Title of the study programm Computer Systems
Title in original language Mašīnmācīšanās metodes NDVI laika rindu prognozēšanas uzdevumos
Title in English Machine Learning Methods in NDVI Time Series Prediction Tasks
Author Eva Raudziņa
Department 12300 Institute of Applied Computer Systems
Scientific advisor Jurijs Čižovs
Reviewer Gints Jēkabsons, Dr.sc.ing., LDI vadošais pētnieks
Abstract Bakalaura darbā ir pētītas un salīdzinātas mašīnmācīšanās metodes, kas ir piemērotas normalizētā veģetācijas indeksa (NDVI) laika rindu prognozēšanai. NDVI ir vienkāršots skaitlisks indikators, kuru parasti iegūst no satelītu attēliem un izmanto dzīvās zaļās veģetācijas stāvokļa novērtēšanai. No mašīnmācīšanās metodēm, kas ir piemērotas laika rindu prognozēšanai, darbā tika aplūkotas sekojošas – mākslīgie neironu tīkli, gradienta palielināšanas algoritmi un aditīvais regresijas modelis. Praktiskajā daļā ir izstrādāta programma NDVI datu izgūšanai no satelītu attēliem, datu sagatavošanai izmantošanai mašīnmācīšanās algoritmos, kā arī ir izveidoti vairāki mašīnmācīšanās modeļi NDVI laika rindu prognozēšanai. Darba nobeigumā ir apkopoti un salīdzināti NDVI prognozēšanas rezultāti, kā arī salīdzinātas dažādu metožu priekšrocības un trūkumi. Darba pamattekstā ir 58 lappuses, 60 attēli, 12 tabulas, 46 izmantoto literatūras avotu un 7 pielikumi.
Keywords mašīnmācīšanās, mākslīgie neironu tīkli, gradienta palielināšanas algoritmi, laika rindu prognozēšana, normalizētais veģetācijas indekss
Keywords in English Machine Learning, Artificial Neural Networks, Gradient Boosting Algorithms, Time Series Forecasting, Normalized Difference Vegetation Index
Language lv
Year 2019
Date and time of uploading 01.06.2019 14:27:04