|
|
Vytvoření předpovědi průměrných měsíčních průtoků pro řízení zásobní funkce fiktivní vodní nádrže
Hrabinová, Barbora ; Sobek, Martin (oponent) ; Menšík, Pavel (vedoucí práce)
Diplomová práce je zaměřena na předpovědi průměrných měsíčních přítoků za účelem ověření kvality řízení zásobní funkce při uvažování různé polohy fiktivních nádrží v povodí. Jedna nádrž se nachází v horní části povodí a druhá je situována ve střední části povodí. Předpovědi byly provedeny pomocí metody Support vector machine v programu RStudio a s využitím programovacího jazyku R. Předpovězené hodnoty průtoků byly následně vyhodnoceny koeficientem korelace, koeficientem determinace, Root mean square error a dále byly vytvořeny simulace provozu zásobních funkcí fiktivních nádrží, které byly vyhodnoceny pomocí Total sum of squares modifikované pro vodohospodářské problémy. Na konec bylo provedeno porovnání obou nádrží pro posouzení vhodnosti metody.
|
|
|
Analýza a prognóza závodní výkonnosti elitních závodníků a závodnic na mistrovství světa ITU v letech 1989-2016 v olympijském triatlonu
Látová, Lenka ; Kovářová, Lenka (vedoucí práce) ; Suchý, Jiří (oponent)
Název: Analýza a prognóza závodní výkonnosti elitních závodníků a závodnic na mistrovství světa ITU v letech 1989-2016 v olympijském triatlonu Cíle: Analyzovat výkonnost mužů a žen jak v jednotlivých částech triatlonu (plavání, kolo, běh), tak v celkovém výkonu v letech 1989-2016. Pomocí analýzy časových řad zjistit predikci výkonnosti závodníků světového poháru v olympijském triatlonu v roce 2028. Metody: Pro statistické zpracování dat použijeme metodu analýzy časových řad pomocí softwaru SPSS Statistics 22. Výsledné grafy doplníme o historický kontext a aktuální podmínky závodu. Na základě zpracovaných dat vytvoříme pomocí programu Excel predikci výkonů v roce 2028. Výsledky: V plavání se ženy přibližují výkonům mužů a jsou nyní na 92,2%. V budoucnu se ženy nebudou přibližovat k mužským časům. Výkonnost se bude mírně zlepšovat. V cyklistice je odstup mužů a žen na úrovni 10% a ani v budoucnu neočekáváme výraznou změnu. Dle trendu vývoje zjišťujeme v obou kategoriích zhoršení, zejména u mužů. V běhu jsou nyní výkony žen na 88,3% mužů. V budoucnu neočekáváme změnu. Mužské i ženské časy se však budou lehce zlepšovat. Celkový čas závodu se bude jen mírně zlepšovat. Nepozorujeme však přibližování výkonů žen k mužům. Nyní je procentuální rozdíl výkonu žen oproti mužům na 9,9%. Oproti stagnaci dosažené...
|
|
| |
|
|
Predikce odchylek v jízdních řádech založená na AVL datech
Jiráček, Zbyněk ; Martínek, Vladislav (vedoucí práce)
Relevantní plánování tras v hromadné dopravě je limitováno spolehlivostí přepravní sítě. V některých případech se však ukazuje, že můžeme plánovat trasy s přihlédnutím k očekávaným zpožděním a tím spolehlivost nalezených spojení vylepšit. Tato práce se soustředí na předpověď zpoždění v sítích hromadné přepravy s využitím dat ze systémů sledování polohy vozidel -- známých jako AVL data. Ta jsou typicky shromažďována přepravci. Porovnávány jsou různé algoritmy za použití reálných dat ze sledovacího systému tramvají v Praze. Práce též obsahuje diskusi o možném využití informací získaných pomocí použitých metod v informačních systémech pro cestující. Powered by TCPDF (www.tcpdf.org)
|
|
|
Software using random forest for risk prediction of heart valve surgery patients
HERMANUTZ, Georg
CASPeR - Cardiac surgery prediction tool for risk stratification of heart valve surgeries is presented. The base builds a machine learning pipeline for training a random forest classifier which predicts the mortality after a certain amount of days after the surgery was performed. The classifier also offers a list of potential risk factors through its in build feature selection. With a survival analysis the groups "high-risk" and "low-risk" are compared with each other to check for statistical difference. The tool uses "Shiny" a R package which offers a web frame work to develop data analysis visualizations for the User Interface. CASpeR is delivered as a Microsoft Windows standalone desktop application, that comes with a .exe installer and a detailed manual.
|
|
|
Modelování výskytu mechorostů
Procházková, Martina ; Man, Matěj (vedoucí práce) ; Fialová, Lucie (oponent)
Předmětem této bakalářské práce je shrnutí poznatků o využití modelování výskytu druhů (Species Distribution Modelling) v botanice se zaměřením na mechorosty. Modelování výskytu druhů je metodou využívanou k objasnění vztahu mezi výskytem druhu a environmentálními podmínkami jeho stanoviště. Modelování výskytu druhů skýtá u mechorostů na rozdíl od cévnatých rostlin ještě nevyčerpaný potenciál. Výskyt mechorostů je ovlivněn charakterem jejich šíření a specifickými ekologickými vlastnostmi. Významným faktorem je úzká vazba mechorostů na mikroklimatické podmínky jejich stanovišť. Tato vazba se studuje, chybí ale její zahrnutí do procesu modelování spojené se ziskem a použitím dat ve vhodném měřítku. V současné době vzrůstá zájem o využití modelování výskytu druhů u mechorostů. V rámci Evropy byla tato metoda využita v několika pracích zejména v oblasti Pyrenejského poloostrova, Itálie a severní Evropy. Celosvětově je pak na využití modelování výskytu mechorostů zaměřeno cca 25 odborných článků. Modelování výskytu mechorostů lze použít pro modelování jejich ekologické niky, v biogeografii i k predikci jejich výskytu za budoucího klimatu. Významnou oblastí je také využití této metody k ochraně mechorostů. Modely výskytu mechorostů mohou úspěšně predikovat potenciální výskyt vzácných nebo ohrožených...
|
|
|
Dolování z dat v jazyce Python
Šenovský, Jakub ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Cílem této práce bylo seznámení se s jednotlivými fázemi získávání znalostí z dat, s podporou programovacích jazyků Python a R v oblasti dolování dat a demonstrace jejich použití na dvou případových studiích. Následným krokem bylo porovnání těchto jazyků z hlediska dolování dat. Je zde popsaná fáze předzpracování dat a dolovací algoritmy pro klasifikaci, predikci a shlukování. Představeny zde byly významné knihovny pro jazyky Python a R. V první případové studii byla demonstrována práce s časovými řadami pomocí ARIMA modelu a neuronových sítí s ověřením přesnosti pomocí střední kvadratické chyby. V druhé případové studii byla popsaná klasifikace výsledků fotbalových zápasů pomocí k - nejbližších sousedů, Bayesova klasifikátoru, náhodného lesu a logické regrese. Přesnost klasifikace byla zobrazena pomocí skóre přesnosti a konfúzní matice. Práci uzavírá zhodnocení výsledků a návrhy pro budoucí vylepšení jednotlivých modelů.
|
|
| |
|
|
Získávání znalostí pro modelování následných akcí
Veselovský, Martin ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Získavanie znalostí z databáz je komplexný problém zahrňujúci integráciu, prípravu dát, dolovanie znalostí metódami strojového učenia a vizualizáciu výsledkov. Práca pojednáva o celom procese získavania znalostí, špeciálne o problematike budovania dátových skladov, kde prináša návrh a implementáciu dátového skladu pre spoločnosť ROI Hunter, a.s. V oblasti dolovania z dát sa práca zameriava na klasifikáciu a predikciu reklamných dát dostupných z pripraveného dátového skladu, a to predovšetkým klasifikáciou rozhodovacím stromom. Pri predikcii vývoja nových reklám sa kladie dôraz na zdôvodnenie predikcie ako aj na návrh pre úpravu nastavení reklamy tak, aby predikcia skončila pozitívne, a teda aby s istou pravdepodobnosťou reklama v skutočnosti získala lepšie výsledky.
|
|
|
Algoritmické obchodování na burze s využitím umělých neuronových sítí
Šeda, Jan ; Černocký, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Určení vývoje ceny na světových trzích je aktuální problematikou, která v posledních dekádách nabývá na významu. Důležitou roli v tom sehrává rozvoj výpočetní techniky. V této práci je navržen mechanizmus pro predikci budoucí ceny na trhu. Na základě toho je pak sestavena obchodní strategie. Jádro predikčního systému používá pro svou činnost umělé neuronové sítě. Vstupem sítě jsou pak vybrané indikátory technické analýzy trhu. Obchodní systém byl implementován a úspěšně ověřen na historických datech.
|
host ::
RSS.