Naslov
Analiza multivarijatnih vremenskih serija putem objašnjivih metoda strojnog učenja
(Analysis of multivariate time series data through explanatory machine learning methods)

Autori
Kučinić, Ivana

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski

Fakultet
Fakultet kemijskog inženjerstva i tehnologije

Mjesto
Zagreb

Datum
27.09

Godina
2022

Stranica
97

Mentor
Ujević Andrijić, Željka

Neposredni voditelj
Lovrić, Mario

Ključne riječi
Onečišćenje zraka ; Dušikov dioksid ; Strojno učenje ; Multivarijatne vremenske serije ; Prophet algoritam ; Algoritam slučajnih šuma
(Air pollution ; Nitrogen dioxide ; Machine learning ; Multivariate time series ; Prophet model ; Random Forest model)

Sažetak
Visoke koncentracije dušikova dioksida (NO2) u zraku, posebno u jako urbaniziranim područjima, negativno utječu na mnoge aspekte ljudskog zdravlja. U ovom radu primjenjuju se metode strojnog učenja za predviđanje koncentracija NO2 u zraku. Meteorološki podaci i koncentracije NO2 odabrane su i analizirane s četiri mjesta u gradu Grazu. Koncentracije NO2 postavljene su kao ciljne varijable Prophet i Random Forest modela za predviđanje vrijednosti u periodu od 15. ožujka 2019. do 15. ožujka 2020. godine. Razvijeni modeli strojnog učenja pokazali su dobru razinu generalizacije za predviđanje koncentracija NO2 u zraku. Kombinacija Prophet značajki i Random Forest modela pokazala se najboljom za razvoj modela predviđanja koncentracija NO2. Najbolji rezultati ostvareni su na mjernoj postaji Zapad gdje je vrijednost koeficijenta determinacije modela R2 = 0, 65, dok je najlošiji rezultat ostvaren na postaji Don Bosco gdje je R2 = 0, 50. Značajke koje najviše utječu na razvoj modela su značajke sezonalnosti, a najveći utjecaj ima godišnja sezonalnost.

Izvorni jezik
Hrvatski

Znanstvena područja
Kemijsko inženjerstvo

POVEZANOST RADA