| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Datizraces metožu pielietošana imitācijas modelēšanas rezultātu analīzei |
| Nosaukums angļu valodā |
Data Mining Techniques Application in Simulation Results Analysis |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Jelena Pečerska |
| Recenzents |
Dr. sc. ing.Jurijs Tolujevs |
| Anotācija |
Maģistra darbs ir izstrādāts imitācijas modelēšanas rezultātu analīzes jomā, pielietojot datizraces metodes. Izvēlētās tēmas ietvaros tika izvirzīts mērķis: izpētīt datizraces metožu pielietošanas iespējas imitācijas modelēšanas rezultātu analīzes jomā, piedāvāt datizraces metožu pielietošanas shēmu modelēšanas rezultātu analīzei un nodemonstrēt to pielietošanu eksperimentālo datu analīzei. Tā sasniegšanai tika veikta datizraces metožu un imitācijas modelēšanas rezultātu veidu izpēte un to analīze. Teorētisko pētījumu rezultātā tika izstrādāta pieeja, kas sastāv no divām daļām un apvieno sevī datu audzēšanas un zināšanu atklāšanas pamatprincipus.
Izstrādātā pieeja tika pielietota eksperimentālo datu analīzei. Pētījuma priekšmets – izbūvētā Simul8 programmatūrā masu apkalpošanas sistēmas (MAS) imitācijas modeļa rezultāti. Datu audzēšanas realizācijas rezultātā tika iegūta datu kopa, kas satur ieejas un izejas mainīgo vērtības par 700 eksperimentu realizācijām.
Zināšanu atklāšanas realizācijas laikā tika pielietotas dažādas datizraces metodes, t.sk. korelācijas analīze, pudurošana un vairāki rezultātu vizualizācijas mehānismi, kuru kodi ir izstrādāti RStudio programmatūrā. Kopumā tika izstrādāti trīs eksperimenti, kas atbilst definētai datizraces metožu pielietošanas kombinācijai. Pēc eksperimentu rezultātiem tika noteiktas sakarības starp imitācijas modeļa ieejas un izejas mainīgajiem un definēti mērķa izejas mainīgie. Visi datu ieraksti tika sakārtoti pa grupām atbilstoši mērķa izejas mainīgo vērtībām un tika izvēlētā labākā grupa. Pēc eksperimentu rezultātiem konstatēts, kādas ieejas mainīgo vērtības ir raksturīgas katrai izveidotai grupai, īpaši labākai grupai. Pateicoties tam, no imitācijas modelēšanas rezultātiem tika iegūtas zināšanas un formulēti lēmumu principi.
Balstoties uz iegūtajiem rezultātiem, tika secināts, ka datizraces metožu pielietošana imitācijas modelēšanas rezultātu analīzei palīdz risināt lietišķās problēmas dažādās sfērās, t.sk. MAS darbības efektivitātes uzlabošanā.
Darba apjoms – 132 lpp., 26 tabulas, 67 attēli un 4 pielikumi. |
| Atslēgas vārdi |
datizrace, datu audzēšana, datu vizualizācija, imitācijas modelēšana, korelācijas analīze, pudurošanas metodes, rezultātu analīze, zināšanu atklāšana |
| Atslēgas vārdi angļu valodā |
clustering methods, correlation analysis, data farming, data mining, data visualization, knowledge discovery, results analysis, simulation |
| Valoda |
lv |
| Gads |
2018 |
| Darba augšupielādes datums un laiks |
29.05.2018 18:30:26 |
