Matematické modelování v energetice /
V této rigorózní práci se věnujeme predikcím spotřeby a výroby. Popíšeme zde základní zpracování dat spotřeby, jemně se dotkneme problému sběru a validace dat spotřeby. Uvedeme několik učících algoritmů, jako jsou lineární regresní modely, neuronové sítě, regresní stromy, a metody modelování časovýc...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Čeština |
| Vydáno: |
2016
|
| Témata: | |
| On-line přístup: | http://is.muni.cz/th/357617/prif_r/ |
| LEADER | 03288ctm a22005297i 4500 | ||
|---|---|---|---|
| 001 | MUB01006381308 | ||
| 003 | CZ BrMU | ||
| 005 | 20170918102540.0 | ||
| 008 | 161203s2016 xr ||||| |||||||||||cze d | ||
| STA | |a POSLANO DO SKCR |b 2017-10-08 | ||
| 035 | |a (ISMU-VSKP)292499 | ||
| 040 | |a BOD114 |b cze |d BOD004 |e rda | ||
| 072 | 7 | |a 519.1/.8 |x Kombinatorika. Teorie grafů. Matematická statistika. Operační výzkum. Matematické modelování |2 Konspekt |9 13 | |
| 080 | |a 519.673:519.216.3 |2 MRF | ||
| 080 | |a 519.673 |2 MRF | ||
| 080 | |a (043.2) |2 MRF | ||
| 100 | 1 | |a Tomšík, Jan |% UČO 357617 |4 dis | |
| 242 | 1 | 0 | |a Mathematical modelling in power energy |y eng |
| 245 | 1 | 0 | |a Matematické modelování v energetice / |c Jan Tomšík |
| 264 | 0 | |c 2016 | |
| 300 | |a 101 listů | ||
| 336 | |a text |b txt |2 rdacontent | ||
| 337 | |a bez média |b n |2 rdamedia | ||
| 338 | |a svazek |b nc |2 rdacarrier | ||
| 502 | |a Rigorózní práce (RNDr.)--Masarykova univerzita, Přírodovědecká fakulta, 2016 | ||
| 520 | 2 | |a V této rigorózní práci se věnujeme predikcím spotřeby a výroby. Popíšeme zde základní zpracování dat spotřeby, jemně se dotkneme problému sběru a validace dat spotřeby. Uvedeme několik učících algoritmů, jako jsou lineární regresní modely, neuronové sítě, regresní stromy, a metody modelování časových řad. Popsané predikční nástroje posléze aplikujeme na data spotřeby a výroby, využijeme postupů uvedených ve vědeckých článcích a především naše postupy. Výsledky jednotlivých postupů vyhodnotíme. |% cze | |
| 520 | 2 | 9 | |a In this thesis we study consumption and prosumption prediction. We describe processing of consumption data, we slightly touch problem of collecting and validation of consumption data. We introduce a few learning algorithms like linear regression model, neuron set, regression tree and we describe methods for time series modelling. These tools for prediction we apply on consumption and prosumption data, we use procedures described in research topics and our procedures too. Results from all procedures will be compared. |9 eng |
| 650 | 0 | 7 | |a matematické modelování |7 ph115240 |2 czenas |
| 650 | 0 | 7 | |a predikční modely |7 ph809066 |2 czenas |
| 650 | 0 | 9 | |a mathematical modeling |2 eczenas |
| 650 | 0 | 9 | |a predictive models |2 eczenas |
| 655 | 7 | |a rigorózní práce |7 fd132407 |2 czenas | |
| 655 | 9 | |a doctoral dissertations |2 eczenas | |
| 658 | |a Matematika |b Matematické modelování a numerické metody |c PřF Rig-MA NUMER (NUMER) |2 CZ-BrMU | ||
| 710 | 2 | |a Masarykova univerzita. |b Ústav matematiky a statistiky |7 kn20091211007 |4 dgg | |
| 856 | 4 | 1 | |u http://is.muni.cz/th/357617/prif_r/ |
| CAT | |c 20161203 |l MUB01 |h 0421 | ||
| CAT | |a RACLAVSKA |b 02 |c 20170721 |l MUB01 |h 1125 | ||
| CAT | |a JANA |b 02 |c 20170918 |l MUB01 |h 1025 | ||
| CAT | |c 20171008 |l MUB01 |h 0959 | ||
| CAT | |c 20210614 |l MUB01 |h 1022 | ||
| CAT | |c 20210614 |l MUB01 |h 2008 | ||
| CAT | |a BATCH |b 00 |c 20210724 |l MUB01 |h 1250 | ||
| LOW | |a POSLANO DO SKCR |b 2017-10-08 | ||
| 994 | - | 1 | |l MUB01 |l MUB01 |m VYSPR |1 PRIF |a Přírodovědecká fakulta |2 PRVMA |b ÚK volný výběr - M |3 K-M-2016-TOMŠ |5 3145370851 |8 20170721 |f 70 |f Prezenční |q 20180803 |r 20170114 |s dar |
| AVA | |a SCI50 |b PRIF |c ÚK volný výběr - M |d K-M-2016-TOMŠ |e available |t K dispozici |f 1 |g 0 |h N |i 0 |j PRVMA | ||