| Form of studies |
Bachelor |
| Title of the study programm |
Intelligent Robotic Systems |
| Title in original language |
Viedtālruņa ikdienas uzlādes apjoma prognoze īstermiņa periodā, izmantojot vairākus prognozēšanas modeļus |
| Title in English |
Short-Term Forecast of Smartphone Daily Charging Volume Using Multiple Forecasting Models |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Jegors Fjodorovs |
| Reviewer |
Ēriks Kļaviņš |
| Abstract |
Laika rindām tiek izmantoti vairāki prognozēšanas modeļi, katrs ar savām nuancēm un saviem parametriem. Tas rada sarežģītības izvēlēties piemērotāko modeli precīzākām prognozēm jebkāda veida laika rindām. Informācija par modeļu efektivitāti ir bieži pieejama garākām laika rindām, tādēļ šajā darbā tika apskatīti vairāki bieži lietoti modeļi, un to efektivitāte prognozēt vērtības ļoti īsai laika rindai bez izteiktas tendences. Izmantotā laika rinda tika iegūta no ikdienas uzlādes apjoma vienam viedtālrunim mēneša laikā.
Darbā tika apskatīti četri modeļi, Naivais algoritms, SES, KNN un ARIMA. Katram modelim tika apskatīti vairāki parametri prognozēšanai, un precīzākie rezultāti tika tālāk salīdzināti. Šie salīdzinājumi tika veikti četros laika rindas posmos, izmantojot slīdošo logu, lai iegūtu rezultātus izmantojot dažādas datu kopas. Precizitātei tika salīdzināti prognozēto vērtību rādītāji, kā MAE, MAPE un RMSE.
No izvēlētiem modeļiem, vidēji labākos rezultātus nodrošināja KNN algoritms, un sliktākos - SES. Atsevišķos laika rindas posmos precīzākie rezultāti bija ARIMA modelim.
Bakalaura darbā ir 62 lappuses, 31 attēls, 37 tabulas, 35 informācijas avoti un 3 pielikumi. |
| Keywords |
LAIKA RINDAS, PROGNOZĒŠANAS ALGORITMI, DATU APSTRĀDE. |
| Keywords in English |
TIME SERIES, FORECASTING ALGORITHMS, DATA ANALYSIS. |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
31.08.2026 12:01:06 |
