Розроблення та дослідження інтелектуальної системи прогнозування стихійних явищ
Автор: Нагачівська Соломія-Юлія Ярославівна
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні технології проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Нагачівська С.-Ю. Я., Оборська О.В. (керівник). Розроблення та дослідження інтелектуальної системи прогнозування стихійних явищ. (Development and research of an intelligent system for predicting natural phenomena). Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2025. В умовах зростаючої кліматичної нестабільності та непередбачуваності стихійних лих (повені, шторми, посухи) критично важливим є забезпечення високоточного та своєчасного прогнозу. Ефективність запобіжних заходів та мінімізація соціально-економічних збитків безпосередньо залежать від можливості оперативної обробки та інтеграції великих масивів різнорідних даних (метеорологічні параметри, супутникові знімки, дані IoT-сенсорів). Традиційні фізико-математичні моделі часто є обчислювально-витратними та повільними, що обмежує їхню ефективність у сценаріях оперативного реагування. Об’єкт дослідження: Процеси багатофакторного збору, попередньої обробки та інтелектуального аналізу даних, спрямовані на підвищення надійності та швидкості прогнозування стихійних явищ. Предмет дослідження: Програмно-архітектурне проєктування та реалізація інтелектуальної системи, що використовує методи глибокого машинного навчання для прогнозування та підтримки прийняття рішень щодо запобігання надзвичайним ситуаціям. Мета дослідження: Створення масштабованої інформаційної системи з оптимізованою моделлю обробки часових рядів, що застосовує Deep Learning алгоритми для виявлення складних прихованих закономірностей і генерації точних коротко- та середньострокових прогностичних оцінок. Новизна роботи: Розроблено та експериментально підтверджено гібридну архітектуру нейронної мережі, оптимізовану для аналізу просторових (знімки, даних, що підвищує точність прогнозування стихійних явищ у порівнянні з класичними моделями. Запропоновано метод інтеграції різнорідних даних (Fusion), що використовує адаптивну вагу вкладених шарів для уніфікації даних від IoT-сенсорів, метеорологічних станцій та супутникових знімків, що дозволяє досягти всебічної оцінки ризику. Головним результатом є створення робочого прототипу інтелектуальної системи, що успішно застосовує принципи глибокого навчання для моделювання нелінійних залежностей у великомасштабних часових рядах. Доведено, що розроблена система перевершує традиційні прогностичні моделі за метриками точності та швидкості генерації прогнозу. Практична цінність полягає у скороченні часу на аналітичну обробку даних та наданні службам порятунку актуальних, науково обґрунтованих даних для пріоритезації регіонів та збереження життя і майна. Ключові слова: Інтелектуальна система, прогнозування, стихійні явища, машинне навчання, глибоке навчання, нейронні мережі, Big Data, часові ряди, Перелік використаних літературних джерел: Krizhevsky A., Sutskever I., Hinton G. ImageNet Classification with Deep Convolutional Neural Networks. NIPS, 2022. Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, 2025.