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"
Безопасность беспроводной сети стандарта wi-fi с открытым и закрытым сегментом, ВКР защита информации10 800 ₽
Проектирование и разработка АРМ менеджера по закупкам7 776 ₽
Формализация бизнес-процессов компании в сфере ЖКХ (проектирование и разработка АИС для расчета стоимости коммунальных услуг и формирования квитанций на оплату), ВКР по информатике10 680 ₽
Разработка ИС учета и обработки заявок пользователей на ТО и ремонт оргтехники (Help Desk), диплом по информатике10 680 ₽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 диплом по специальности «цифровая экономика». Думал, что сделают кое-как, но нет: уникальность 87%, куча расчётов в Python. Менеджер ещё предложил дополнительный перечень вопросов с ответами для защиты — я купил, не пожалел. Комиссия спросила про экономическую эффективность, я уже был готов. Спасибо!
РАНХиГС, ГМУ. Заказал ВКР за месяц — сжато, но реально. Работу получил вовремя, антиплагиат 81%. Но в тексте нашёл пару устаревших ссылок (2018 год). Правки сделали, объяснили, что промахнулись. В целом сервис честный, если попросить доработку. На защите проблем не было.
Заказывала ВКР по психологии. Срок 2 месяца. Сделали чётко, уникальность 89%, SPSS, корреляции. Очень боялась защиты — взяла дополнительный пакет вопросов-ответов. И правильно: комиссия спросила про валидность методик, я ответила дословно. Ощущение, что кто-то держал меня за руку. Спасибо команде!
Очень боялась, что после перевода первой части суммы связь с исполнителями просто потеряется. На деле процесс оказался отлаженным: личный кабинет, статусы этапов, быстрый чат с куратором. Был небольшой косяк с первым автором, который не учёл свежие поправки в отраслевых стандартах, но заменили специалиста за сутки. Новая версия полностью соответствовала методичке. В целом надёжно.
Заказывала доработку бакалаврской работы перед самой защитой. Нужно было срочно добавить сравнительный анализ конкурентов. Сделали за два дня, нашли открытые данные, построили матрицу. Без этой главы меня бы просто не допустили. Спасибо за оперативность и понимание студенческих проблем. Буду рекомендовать одногруппникам.
