Xem trước tài liệu

Đang tải tài liệu...

Thông tin chi tiết tài liệu

Định dạng: PDF
Số trang: 57 trang
Dung lượng: 1 MB

Giới thiệu nội dung

Nghiên cứu Ứng dụng Kỹ thuật Khai phá Dữ liệu trong Dự báo Một số Thông số Khí quyển

Tác giả: Trần Hải Vinh

Lĩnh vực: Hệ thống Thông tin

Nội dung tài liệu:
Luận văn này tập trung vào việc nghiên cứu và ứng dụng các kỹ thuật khai phá dữ liệu vào lĩnh vực dự báo thời tiết. Nghiên cứu đề cập đến các phương pháp thu thập, xử lý và phân tích dữ liệu khí tượng để đưa ra dự báo chính xác hơn. Các kỹ thuật khai phá dữ liệu như phân loại, hồi quy, và mạng nơ-ron nhân tạo được xem xét và áp dụng vào bài toán dự báo nhiệt độ cảm nhận dựa trên dữ liệu nhiệt độ và độ ẩm. Mục tiêu là cải thiện chất lượng và độ chính xác của các bộ số liệu thời tiết, góp phần nâng cao hiệu quả dự báo.

Mục lục chi tiết:

  • DANH MỤC VIẾT TẮT
  • DANH MỤC HÌNH VẼ
  • DANH MỤC BẢNG BIỂU
  • MỞ ĐẦU
  • CHƯƠNG 1: CƠ SỞ LÝ THUYẾT
    • 1.1. Khai phá dữ liệu
    • 1.2. Các kỹ thuật khai phá dữ liệu
      • 1.2.1. Quy tắc kết hợp (Association Rules)
      • 1.2.2. Phân loại (Classification)
      • 1.2.3. Dự đoán (Prediction)
      • 1.2.4. Phân cụm (Clustering)
      • 1.2.5. Hồi quy (Regression)
      • 1.2.6. Phương pháp mạng nơ-ron nhân tạo (Artificial Neural Network)
      • 1.2.7. Phát hiện ngoại lệ (Outlider Detection)
      • 1.2.8. Thuật toán di truyền (Genetic Algorithm)
    • 1.3. Dự báo thời tiết
    • 1.4. Kết chương
  • CHƯƠNG 2: CÁC KỸ THUẬT KHAI PHÁ DỮ LIỆU ỨNG DỤNG TRONG DỰ BÁO THỜI TIẾT
    • 2.1. Các kỹ thuật khai phá dữ liệu được ứng dụng phổ biến trong dự báo thời tiết
      • 2.1.1. Cây quyết định
      • 2.1.2. Mạng nơ-ron nhân tạo
      • 2.1.3. Phân cụm
      • 2.1.4. Hồi quy
      • 2.1.5. Phối hợp hai hoặc nhiều kỹ thuật
    • 2.2. So sánh các kỹ thuật khai phá dữ liệu được ứng dụng trong dự báo thời tiết
    • 2.3. Kết chương
  • CHƯƠNG 3: ỨNG DỤNG CÁC KỸ THUẬT KHAI PHÁ DỮ LIỆU VÀO MỘT BÀI TOÁN DỰ BÁO NHIỆT ĐỘ CẢM NHẬN TỪ ĐỘ ẨM VÀ NHIỆT ĐỘ TRONG NGÀY
    • 3.1. Phân tích bài toán
    • 3.2. Thực hiện bài toán trên công cụ jupyter notebook
      • 3.2.1. Tiền xử lý dữ liệu
      • 3.2.2. Phát hiện, loại bỏ các dữ liệu ngoại lệ
      • 3.2.3. Chia bộ dữ liệu để học và kiểm tra
      • 3.2.4. Chuyển đổi dữ liệu
      • 3.2.5. Sử dụng mô hình Hồi quy tuyến tính (Linear Regression) giải quyết bài toán
      • 3.2.7. Sử dụng mô hình Hồi quy Cây quyết định (Decision Tree Regression) giải quyết bài toán
      • 3.2.8. Sử dụng mô hình Hồi quy Rừng ngẫu nhiên (Random Forest Regression) giải quyết bài toán
      • 3.2.9. Đánh giá kết quả
  • KẾT LUẬN VÀ KIẾN NGHỊ
  • TÀI LIỆU THAM KHẢO