Napovedovanje dinamike plazu urbas z modeli časovnih vrst in strojnim učenjem

Horvat, Štefan

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	Napovedovanje dinamike plazu urbas z modeli časovnih vrst in strojnim učenjem
Avtorji:	ID Horvat, Štefan (Avtor) ID Strnad, Damjan (Mentor) Več o mentorju... ID Šegina, Ela (Komentor)
Datoteke:	MAG_Horvat_Stefan_2022.pdf (4,33 MB) MD5: 014C20A087BD3F88F55DB447B0811A11
Jezik:	Slovenski jezik
Vrsta gradiva:	Magistrsko delo/naloga
Tipologija:	2.09 - Magistrsko delo
Organizacija:	FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:	Plazovi lahko resno ogrozijo človeška življenja in povzročijo ogromno gmotno škodo. Na dinamiko plazu običajno vpliva večje število zunanjih dejavnikov, zato je napovedovanje premikov težka naloga. V sodobnem času lahko premike plazov podrobno spremljamo z natančnimi merilnimi instrumenti in tako tvorimo množico podatkov, na podlagi katere gradimo razlagalne in napovedne modele. V magistrskem delu preizkušamo različne tehnike modeliranja premikov plazu Urbas, ki spada med bolj aktivne plazove v Sloveniji. Za modeliranje dinamike plazu uporabimo modele časovnih vrst in nevronsko mrežo z dolgim kratkoročnim spominom. Najboljše prileganje je dosegla nevronska mreža z dolgin kratkoročnim spominom, katere srednja kvadratna napaka je znašala 3,37 mm. Pri napovedovanju premikov se je najbolje odrezal linearni regresijski model s srednjo kvadratno napako 0,52 mm.
Ključne besede:	plaz, časovne vrste, linearna regresija, dinamična regresija, nevron-ske mreže LSTM
Kraj izida:	Maribor
Založnik:	[Š. Horvat]
Leto izida:	2022
PID:	20.500.12556/DKUM-83486
UDK:	504.4
COBISS.SI-ID:	141028355
Datum objave v DKUM:	15.12.2022
Število ogledov:	1192
Število prenosov:	179
Metapodatki:
Področja:	KTFMB - FERI
:	Kopiraj citat

Skupna ocena:	(0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:	CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna

Povezava:	http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:	Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:	05.12.2022

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	Urbas landslide dynamics prediction using time series models and machine learning
Opis:	Landslides can pose a serious threat to human lives and cause widespread property damage. Landslide dynamics are usually affected by numerous exogenous factors so forecasting landslide displacement can be difficult. Nowadays landslide parameters can be measured with precise instruments, and thus massive amounts of data can be gathered, which can be used to build explanatory and forecasting models. We experiment with different forecasting techniques on one of the most active landslides in Slovenia – the Urbas landslide. We use time series and long short-term memory neural network models to predict landslide displacement. Long short-term memory neural network model achieved the best fit with mean square error of 3.37 mm. Linear regression model achieved the best prediction with mean square error of 0.52 mm.
Ključne besede:	landslide, time series, linear regression, dynamic regression, LSTM neural networks

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj