20.500.12556/DKUM-82698 Napovedovanje multivariatnih časovnih vrst geoprostorskih podatkov z uporabo konvolucijsko-povratnih nevronskih mrež magistrsko delo Geospatial multivariate time series forecasting using convolutional reccurrent neural networks V magistrskem delu predstavimo nov pristop za napovedovanje multivariatnih časovnih vrst geoprostorskih podatkov. Pripravimo pregled obstoječih pristopov k napovedovanju časovnih vrst prostorskih podatkov. Predstavimo koncepte na katerih temelji konvolucijsko-povratna nevronska mreža ConvLSTM in njeno teoretično osnovo. Z uporabo ConvLSTM pri napovedovanju upoštevamo tako časovne odvisnosti med spremenljivkami, kot tudi prostorske odvnisnosti med podatki v sosednjih točkah. Metodo preizkusimo na primeru napovedovanja več spremenljivk onesnaženosti zraka za več merilnih postaj na različnih lokacijah in jo primerjamo s sorodnimi deli. In this thesis we present a method for multivariate time series forecasting for geospatial data. We prepare an overview of existing methods for multivariate spatial time series forecasting. We present the theorethical background of the ConvLSTM neural network architecture and the concepts it is based on. By using ConvLSTM for geospatial time series forecasting, we account for both spatial and temporal dependencies in our data. We test the proposed method on the case of forecasting multiple variables of air pollution for multiple measurement stations and compare our results to related work. Multivariatne časovne vrste geoprostorski podatki napovedovanje časovnih vrst konvolucijsko-povratne nevronske mreže Multivariate time series geospatial data time series forecasting convolutional recurrent neural networks true true false [N. Uremović] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2022-08-30 12:21:13 2022-10-21 08:52:06 2022-12-09 03:06:18 0000-00-00 00:00:00 2022 0 Maribor 0 Maribor 1 spletni vir (1 datoteka PDF (VII, 36 f.)) 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 519.2:004.8(043.2) 132919555 MAG_Uremovic_Niko_2022.pdf MAG_Uremovic_Niko_2022.pdf 1 DE3BE96E41A21A69870E5663A9C79576 9c9c59f100a92ba5a5215d9c2d122e93d209f65fe00b8ba784a920d7982d39a1 3b9e9860-2ac0-11ed-9218-00155d000105 https://dk.um.si/Dokument.php?lang=slv&id=161619 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0