Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura akadēmiskās studijas
Studiju programmas nosaukums Datorsistēmas
Nosaukums Mašīnmācīšanās metodes NDVI laika rindu prognozēšanas uzdevumos
Nosaukums angļu valodā Machine Learning Methods in NDVI Time Series Prediction Tasks
Autors Eva Raudziņa
Struktūrvienība 12300 Lietišķo datorsistēmu institūts
Darba vadītājs Jurijs Čižovs
Recenzents Gints Jēkabsons, Dr.sc.ing., LDI vadošais pētnieks
Anotācija 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.
Atslēgas vārdi mašīnmācīšanās, mākslīgie neironu tīkli, gradienta palielināšanas algoritmi, laika rindu prognozēšana, normalizētais veģetācijas indekss
Atslēgas vārdi angļu valodā Machine Learning, Artificial Neural Networks, Gradient Boosting Algorithms, Time Series Forecasting, Normalized Difference Vegetation Index
Valoda lv
Gads 2019
Darba augšupielādes datums un laiks 01.06.2019 14:27:04