Модель та засоби прогнозування погодних умов з використанням рекурентних нейронних мереж для розумного будинку
Автор: Диханов Ярослав Юрійович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні управляючі системи та технології
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Актуальність. У сучасному світі, де енергоефективність та автоматизація побутових і промислових процесів набувають особливої важливості, точне прогнозування погодних умов стає невід’ємним елементом роботи інтелектуальних систем.Традиційні статистичні підходи не забезпечують належної точності для локальних погодних умов, що обґрунтовує застосування методів глибокого навчання. Об’єкт дослідження – процес формування короткострокових метеорологічних прогнозів. Предмет дослідження – методи моделювання часових рядів та алгоритми прогнозування на основі нейронних мереж. Мета дослідження – розробка та дослідження програмного комплексу прогнозування метеорологічних параметрів на базі архітектури LSTM з механізмом Attention. Методи та інструменти дослідження. У роботі застосовано методи аналізу часових рядів, рекурентні нейронні мережі (LSTM, GRU), техніку Sequence-to-Sequence, алгоритм Adam та метрики MAE/RMSE. Реалізацію виконано з використанням Python, TensorFlow/Keras, NumPy, Pandas та Flask. Результати та практичне значення. У результаті створено багатозадачну модель, здатну прогнозувати п’ять регресійних показників (температура, вологість, тиск, швидкість вітру, хмарність) і одну класифікаційну змінну (наявність опадів). Розроблено повноцінну програмну систему з модулем обробки даних, ядром інференсу та веб-інтерфейсом. Експериментальна оцінка показала перевагу LSTM-моделі над базовими методами Random Forest та Ridge Regression. Практичне значення роботи полягає у можливості інтеграції розробленого прогнозного модуля в системи розумного будинку та енергоефективного керування, що забезпечує більш точне планування споживання ресурсів і потенційне зменшення енергетичних витрат у реальних умовах експлуатації. Структура роботи. Дана магістерська робота складається зі вступу, чотирьох розділів, висновків, списку джерел та додатків. У першому розділі подано аналіз проблеми та специфіку метеорологічних рядів. У другому – концептуальна та алгоритмічна модель системи. Третій розділ присвячений програмній реалізації. У четвертому наведено результати експериментальної оцінки. Загальний обсяг роботи – 101 сторінка, з них 90 сторінок основного тексту, 16 рисунків і 0 таблиць. Список джерел містить 38 найменувань. Ключові слова: прогнозування, часові ряди, LSTM, Attention, смарт-системи, метеодані.