logo
calendar29 май 2024
view2
Asosiy til:O'zbek

ВЕЙВЛЕТ-ЁЙИШ ВА НЕЙРОН ТАРМОҚЛАРИДАН ФОЙДАЛАНУВЧИ ГИБРИД МОДЕЛЛАР ЁРДАМИДА ҲАРОРАТ ВАҚТ ҚАТОРЛАРИНИ ПРОГНОЗЛАШ

Fan yo'nalishi:
pdf

6656cec2b6653.pdf

PDF

MAQOLA ANNOTATSIYASI

quote
Тадқиқот ишида реконструкцияланган ҳароратлар қаторларини прогнозлаш мақсадида нейрон тармоқларидан фойдаланган ҳолда вақт қаторларини вейвлет-ёйиш асосида маълумотларни қайта ишлашнинг таьсири таҳлил қилинган. Бир нечта моделлардан фойдаланиш ёндашуви кўриб чиқилган ва уларнинг гибрид комбинациясининг прогноз имкониятлари таҳлил қилинган. Вейвлет алмаштиришдан ҳарорат вақт қаторининг шовқин компонентини бартараф этиш воситаси сифатида фойдаланилади, прогнозлаш модели эса нейрон тармоғи технологиялари ва вақт қаторларини прогнозлашнинг регрессион усуллари асосида қурилган.

MUALIFLAR

Teglar

# прогнозирование# прогнозлаш# forecasting# временные ряды# time series# нейронные сети# neural networks# нейрон тармоқлар# реконструированные температуры# вейвлет-разложение# гибридные модели.# вақт қаторлари# реконструкцияланган ҳароратлар# вейвлет-ёйиш# гибрид моделлар.# reconstructed temperatures# wavelet decomposition# hybrid models.

Maqolani baholang

0

0 ta

Maqola idintifikatorlari

Foydalanilgan adabiyotlar

Алексеев В.И. Анализ и прогнозирование циклических временных рядов с использованием вейвлетов и нейросетевых нечетких правил вывода // Вестник Югорского госуниверситета, 2013. Вып. 3(30). – С. 3-10.

Арушанов М.Л. Практические вопросы использования вейвлет-преобразования в метеорологии. – Ташкент: НИГМИ, 2015. – 51 с.

Витязев В.П. Вейвлет-анализ временных рядов. – СПб.: СПУ. 2001. – 58 с.

Дьяконов В.П. Матлаб. – М.: ДМК. 2012. – 768 с.

Жмурко Д.Ю. Анализ данных сахарного подкомплекса АПК с применением вейвлет- преобразования (часть 2 – дискретные вейвлет преобразования) // Научный журнал КубГАУ, 2017. №130(06). – C. 12-19.

Канасевич Э.Р. Анализ временных последовательностей в геофизике. – М.: Недра, 1985. – 399 с.

Ли Г. Вейвлеты и оценка вейвлетов // Журнал экономической теории и эконометрики, 1998. №4(1). – С. 123-157.

Малла С. Вейвлеты в обработке сигналов. – М.: Мир, 2005. – 671 c.

Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. – М.: ДИАЛОГ-МИФИ. 2001. – 630 с.

Мещерская А.В., Руховец Л.В., Юдин М.И., Яковлева Н.И. Естественные составляющие метеорологических полей. – Л.: Гидрометеоиздат, 1970. – 199 с.

Росси Э. Одномерные GARCH-модели // Квантиль. 2004. №8. – 67 с.

Alexandridis A.K., Zapranis A.D. Wavelet neural networks: A practical guide // Neural Networks, 2013. №42. – С. 3–27.

Hantemirov R.M., Corona C., Guillet S., Shiyatov S.G., Stoffel M., Osborn T.J., Melvin T.M., Gorlanova L.A., Kukarskih V.V., Surkov A.Y., Arx G., Fonti P. Current Siberian heating is unprecedented during the past seven millennia // Nature Communications, 2022. No. 3. – РР. 3-10.

Jin J., Kim J. Forecasting Natural Gas Prices Using Wavelets, Time Series, and Artificial Neural Networks // PLoS ONE, 2015. 10(11). – РP. 11-21.

Rioul O., Vetterli M. Wavelets and Signal Processing // IEEE SP Magazine, 1991. No. 10. – PP. 14-38.

Rumaih A., Ejaz Ahmed R., Bakry S.H., Al Dhalaan A. A methodology for network topology design with link and node failure tolerances // International Journal of Network Management, 1996. No. 6(1). – РP. 42–63.

public

SLIB.uz — O'zbekiston ilmiy jurnallari va maqolalar yagona tizimda ilmiy nashirlarni bir joyda ko'rish, izlash va ulardan foydalanish imkonini beruvchi zamonaviy platforma.

Ijtimoiy tarmoqlarda
instagramtelegramyoutubefacebook

Bog'lanish uchun

Manzil:Chilonzor tumani Qatortol ko'chasi 60B

Tel:+998(55)511-44-00

Savol-javob va takliflar uchun

© 2026 Barcha huquqlar himoyalangan.