Разработка ИС для краткосрочного прогнозирования погоды с использованием нейросетевых алгоритмов
Получите бесплатно демо-версию Демо-версия - дипломная работа, в котрой удалена часть текста, рисунков, таблиц.Посмотреть все услуги дипломной работы на электронную почту.
Введите адрес электронной почты и нажмите "Отправить"
Разработка информационной системы учета кредитования физических лиц8 208 ₽
Методика обеспечения защиты информации WEB-сервера от XSS атак на основе многокритериального выбора, ВКР безопасность информационных систем11 880 ₽
Разработка корпоративной вычислительной сети с использованием технологии VPN, диплом по сетям8 400 ₽
Разработка автоматизированной системы учета товаров малого предприятия8 748 ₽Описание
Работа выполнена и представлена в 2018 году.
Успехи в расчете погоды и климата сопряжены с достижениями в области создания систем наблюдения, моделей прохождения атмосферы и океана, а также ИТ обработки огромных потоков данных.
В задачах прогнозирования (от часов до недели) основную роль играют начальные данные, пространственное нахождение модели и корректный параметрический учёт подсеточных неадиабатических процессов. Корректность прогнозов на большие сроки зависит от возможности сопряжённых моделей океана и атмосферы описать изменения температуры океана, влажности почвы и снежного покрова. Все модели современного климата направлены на изучение реакции систем климата на воздействия природного и неприродного происхождения.
Имеющиеся системы прогноза развиваются посредством технологий прогноза погоды, включая ансамблевый прогноз, к полноценной закрытым системам прогнозирования поведения среды, заключая в себе атмосферу, сушу, океан, эко сферу и другие характеристики, такие как концентрации газов, аэрозолей и примесей. Подобные внедренные прогностические системы не имеют ограничений между временными масштабами, дисциплинами средами. Они могут на совокупной технологической основе обрабатывать данные, проводить прогнозы на временных масштабах от десятков минут до десятков лет, оценить риски разных опасных природных явлений: наводнений, штормов, оползней и т.д.
В настоящее время повышение эффективности прогнозирования метеорологических условий остаётся актуальной задачей для науки. Данные о погоде и прогнозирование имеют существенное значение в ряде отраслей: экономика, авиация, строительство, сельское хозяйство и др., так как планирование и проведение различных видов мероприятий и работ во многом зависит от погодных условий.
Для создания нейронной сети необходимо собрать данные для обучающей выборки. В качестве входных значений будут выступать ряд показателей, которые влияют на погоду: температура воздуха, влажность, атмосферное давление и ветер. Выходным параметром будет прогноз погоды.
В качестве алгоритма для обучения нейронной сети был выбран метод обратного распространения ошибки. Суть данного метода заключается в распространении сигналов ошибки от выходов сети к её входам в направлении, обратном прямому распространению сигналов в обычном режиме работы [2].
Для возможности прогнозирования погоды в среде Matlab была написана программная реализация многослойной нейронной сети методом обратного распространения ошибки, со следующими параметрами обучения: шаг обучения а=0.042; среднеквадратичная ошибка Em = 0,53; весовые коэффициенты и пороговые значения инициализируются случайным образом; количество входных нейронов равно 5; количество скрытых нейронов равно 50. Данные параметры обучения показали наилучший результат при обучении многослойной нейронной сети.
Проект включает в себя готовое программное обеспечение на PHP и СУБД MySQL.
Характеристики
Файлы схем | да |
Год | 2018 |
Программа с исходниками | да, php |
Заказывал ВКР по прикладной информатике в МИСИС с выполнением за 3 недели. Работа включала разработку модуля обработки данных на Python и анализ эффективности нейросетей для прогнозирования. Соответствует требованиям кафедры, замечаний по структуре и коду было минимально. Защита прошла без правок, оценка «хорошо». Сервис оправдал ожидания по срокам и качеству.
ВКР по лингвистике для Синергии выполнен за 3 недели. Исследование особенностей перевода мемов с английского в русскоязычном сегменте соцсетей. Соответствует требованиям дистанционного формата: есть примеры скриншотов, анализ языковых адаптаций. Не было замечаний по терминологии, но потребовалась правка списка источников. Защита прошла успешно, оценка «хорошо». Рекомендую при заказе с запасом времени.
Заказал ВКР на тему «Автоматизация процессов ИТ-поддержки на предприятии». Работа выполнена за 3 недели без спешки. Тема раскрыта по методичке: анализ текущих слабых мест, предложения по улучшению, расчеты эффективности. Было небольшое замечание по оформлению таблиц, но поправили за пару дней. Защита прошла спокойно, оценка «хорошо». Для стандартного срока — результат стабильный и предсказуемый.
Решил заказать диплом на тему «Автоматизация обработки внутренних заявок сотрудников в организации». Сомневался в сроках — всего 10 дней до дедлайна. Первый черновик содержал неточности в структуре, но автор быстро внес корректировки после моих комментариев. Добавили детали по адаптации системы под разные отделы. На защите комиссия одобрила практическую часть, хотя попросила расширить рекомендации. «Хорошо» вместо «удовл.» — за такие сроки я доволен!
Заказал диплом по бизнес-информатике в МЭИ за 4 дня до дедлайна — почти не верил, что успеют. Были опасения по расчетам оптимизации ИТ-инфраструктуры и чертежам архитектуры систем в Visio. В итоге автор внес правки за сутки (пришлось доплатить), но замечания комиссии по формуле ROI устранили. Спасли перед защитой, хотя изначально сомневался в сервисе.
