ПРИМЕНЕНИЕ МЕТОДОВ DATA MINING ДЛЯ АНАЛИЗА МЕТЕОРОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ

Автор:

Казимир Владимир Викторович, Черниговский национальный технологический университет (ул. Шевченко, 95, г. Чернигов, 14027, Украина)

Герасименко Оксана Юрьевна, Черниговский национальный технологический университет (ул. Шевченко, 95, г. Чернигов, 14027, Украина)

Язык статьи: украинский

Аннотация:

Рассмотрены подходы использования методов Data Mining (DM) для обработки и анализа метеорологических данных. Кратко описано технологию Knowledge Discovery in Databases (KDD) и выполнено описание методов Data Mining как одного из этапов KDD. Приведен пример краткосрочного прогноза температуры воздуха для г. Чернигова с использованием нейросетей (входящими данными были данные метеостанции г. Чернигова за 2013–2015 годы).

Ключевые слова:

Knowledge Discovery in Databases, Data Mining, нейронные сети, многослойный персептрон, прогноз метеорологических показателей

Список использованных источников:

  1. Анализ данных и процессов : учеб. пособие / [А. А. Барсегян, М. С. Куприянов, И. И. Холод, М. Д. Тесс, С. И. Елизаров]. – [3-е изд., перераб. и доп.]. – СПб. : БХВ-Петербург, 2009. – 512 с.

  2. Bartok J. Data Mining for fog prediction and low clouds detection / J. Bartok, F. Babiˇc, P. Bedn´ar, J. Paraliˇc, J. Kov´aˇc, I. Bartokov´a, L. Hluch´y, M. Gera // Computing and Informatics. –2011. ‑ Vol. 30. – Р. 1441–1464.

  3. Bilgin T. A. data mining application on air temperature database / T. А. Bilgin, A. Çamurcu // Advances in Information Systems. ‑ Springer Berlin Heidelberg. – 2005. ‑ Р. 68–76.

  4. Fayyad U. From Data Mining to Knowledge Discovery in Databases / U. Fayyad, G. Piatetsky-Shapiro, P. Smyth // Al Magazine. – 1996. – № 17 (3): FALL. ‑ Р. 37–54.

  5. Fonte P. M. Wind speed prediction using artificial neural networks / P. M. Fonte, G. X. Silva, J. C. Quadrado // Proceedings of the 6th WSEAS Int. Conf. on neural networks, Lisbon, Portugal, June 16–18, 2005. – Р. 134–139.

  6. Han J. Data Mining: concepts and techniques / J. Han, M. Kamber, J. Pei. – 3rd ed. – Elsevier, 2011. – 744 p.

  7. Hand D. Principles of Data Mining / D. Hand, H. Mannila, P. Smyth. – Cambridge, Massachusetts : MIT Press, 2001. – 546 p.

  8. Hartigan J. A. A K-Means clustering algorithm / J. A. Hartigan, M. A. Wong // Journal of the Royal Statistical Society. Series C (Applied Statistics). – 1979. ‑ Vol. 28, No.1. ‑ Р. 100–108.

  9. Hayati M. Temperature forecasting based on neural network approach / M. Hayati, Z. Mohebi // World Applied Sciences Journal. – 2007. – Vol. 2, Num. 6. – Р. 613–620.

  10. Kotsiantis S. Using data mining techniques for estimating minimum, maximum and average daily temperature values / S. Kotsiantis, A. Kostoulas, S. Lykoudis, A. Argiriou, K. Menagias // International Journal of Mathematical, Physical and Engineering Sciences. – 2008. ‑ Vol. 1, Num. 1. ‑ Р. 16–20.

  11. Kumar V. The Top ten algorithms in Data Mining / V. Kumar, X. Wu. – Taylor&Francis Group, LLC, 2009. – 2008 p.

  12. Li X. Real-time storm detection and weather forecast activation through data mining and events processing / X. Li, B. Plale, N. Vijayakumar, R. Ramachandran, S. Graves, H. Conover // Earth Sci Inform. – 2008. – Vol. 1. – Р. 49–57.

  13. Maqsood I. An ensemble of neural networks for weather forecasting / I. Maqsood, M. R. Khan, A. Abraham // Neural Computing & Applications. 2004. – Vol. 1, Num. 2. – Р. 112–122.

  14. Mitra S. Data mining: multimedia, soft computing and bioinformatics / S. Mitra, T. Acharya. – John Wiley&Sons, Inc., 2003. – 424 p.

  15. Quinlan J. R. C4.5: Programs for machine learning. ‑ Morgan Kaufmann, Los Altos, 1993. – 303 p.

  16. Quinlan J. R. Induction of decision trees / J. R. Quinlan // Machine Learning 1, 1986. – Р. 81–106.

  17. Rokach L. Data Mining with decision trees: theory and applications / L. Rokach, O. Maimon. ‑ World Scientific Publishing, 2007. – Vol. 61. – 270 p. – (Series in Machine Perception and Artificial Intelligence).

  18. Shanmuganathan S. Data Mining methods to generate severe wind gust models / S. Shanmuganathan, Ph. Sallis // Atmosphere. – 2014. – Vol. 5. – Р. 60–80.

  19. Yang Y. CLOPE: A fast and effective clustering algorithm for transactional data / Y. Yang, H. Guan, J. You // Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2002. ‑ Р. 682–687.

  20. Zaki M. J. Data mining and analysis: fundamental concepts and algorithms / M. J. Zaki, M. J. Wagner. – NY : Cambridge University Press, 2014. – 593 p.

Скачать