передбачення

Побудова швидкісної моделі поперечної хвилі для складноструктурного геологічного середовища з використанням нейронної мережі (на прикладі даних Південно-Каспійського басейну

Мета. Розробка методу прогнозування двох-трьох мірної швидкісної моделі середовища поперечної хвилі. Досліджується складноструктурне геологічне середовище на базі геофізичних і геологічних даних із застосуванням штучної нейронної мережі. Метод. передбачає побудову та використання моделей середовища за даними геофізичних досліджень свердловин, сейсморозвідки та інших наземних геофізичних методів.

Прогнозування функції зміни швидкості вітру методом лінійної регресії

У статті зроблено апроксимацію функції зміни швидкості вітру лінійними функціями на основі функцій Уолша та прогнозування значень функцій методом лінійної регресії. Показано, що за умови лінійної зміни внутрішнього опору вітрогенератора в часі доцільно ввести функцію зміни швидкості вітру з лінійною апроксимацією. Наведено систему ортонормальних лінійних функцій на основі функцій Уолша. Як приклад наведено наближення лінійно-зростаючої функції із системою з 4, 8 та 16 лінійних функцій на основі функцій Уолша.

Довгостроковий прогноз зсувної активності на території правобережжя Київського водосховища

Досліджено зсувні процеси на території правобережжя Дніпра у межах Київського водосховища. На основі врахування комплексного впливу метеорологічних, геофізичних, гідрогеологічних та гідрологічних чинників виконано довгострокове прогнозування розвитку зсувних процесів у часі до 2020 року.
 

Verification of data for the implementation of the forecast of dollar using artificial neural networks

The moving average method with the 4 samples window width is used to raise the weekly forecast of the US dollar exchange rate accuracy. The non-iterative artificial neural network with the radial basis functions is used for. In the end we got the forecast error less than 1%

Integrated automated system for the implementation of forecast of consumption electrical energy in lviv region

The IAS "Forecast" is developed for forecasting the electricity consumption in the original production conditions at PJSC "Lvivoblenergo." The statistical and neural network methods are used for the input data verification; is enhanced the space dimensions extending methods for the incoming data to use them with the ANN with non-iterative training

An evolving reservoir neo-fuzzy network for time series prediction

Reservoir Computing is a paradigm of training Recurrent Neural Networks based on treating the recurrent part (the so-called “reservoir”) differently from the readouts. This paradigm has become so popular recently due to its computational efficiency and the fact that it’s enough to train only a supervised readout. Meanwhile Evolving Systems define a new approach which focuses on learning fuzzy systems that have both their parameters and their structure adapting on-line.