Вісник № 21
Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/37350
Переглянути
2 результатів
Результати пошуку
Документ Situational forecasting of electricity demand in the region(НТУ "ХПІ", 2018) Shevchenko, Serhiy Vasyljоvych; Druppov, Dmytro Oleksandrovych; Bezmenov, Mykola IvanovychThe process of forecasting volumes of electricity sales on the wholesale market is considered. To improve the quality of the forecast, it is proposed to use the method of machine learning Random Forests as part of the solution of the task of situational forecasting of electricity consumption. A comparison of the Random Forests with a simple linear regression is performed. The forecast is based on historical data on electricity consumption in Ukraine, as well as changes in cost per hour of consumption and a number of key factors. Forecasting takes into account weather conditions, macro – financial and economic characteristics. When the software was implemented, the library used includes the implementation of the prognostic algorithms Spark MLlib, which specializes in machine learning methods. Training samples were created based on historical data found in different open sources. In the introduction section the justification of the problem of forecasting demand for electricity and the impossibility of taking into account all factors affecting the environment when using standard approaches is made. In the results section, a number of indicators have been calculated capable of determining the accuracy of the forecast: the mean square error, the mean relative error and the absolute error. In the mathematics section, a description and analysis of the Random Forests algorithm was given. The graphs were built showing the results of the forecast in different time periods: one day, one week, one year. The results were compared with the original historical data. Added tables that show the input data and the results obtained using linear regression and the algorithm of machine learning Random Forests. In conclusion, conclusions were drawn about the effectiveness of the algorithm Random Forests, as well as a possible problem when working with machine learning algorithms.Публікація Використання serverless підходу для створення веб-додатку моніторінгу товарів(НТУ "ХПІ", 2018) Сидоренко, Ганна Юріївна; Малько, Максим Миколайович; Ляшенко, Микита АндрійовичВикористовуються сучасні підходи до організації веб-застосунків. Аналіз проблемної області проведено на прикладі оцінки моніторингу зміни вартості товарів в інтернет-магазинах з використанням технології Amazon. В роботі проведено огляд та аналіз сучасних методів організації веб-застосувань. Також була досліджена тематична область електронної торгівлі, проведено порівняльний аналіз. Технології розробки веб-додатків розвиваються великими темпами, створюються нові способи організації, технології, мови програмування. Основою всіх сучасних додатків є його архітектура. Від вибору правильної архітектури залежить не тільки швидкість і зручність доступу та розробки, а й успіх продукту. Було зроблено припущення про доцільність створення системи, що могла б швидко та зручно проводити моніторинг та нотифікування користувача. В роботі для вирішення задачі моніторингу було запропоновано використовувати архітектуру serverless. Серверна частина системи базується на безсерверній архітектурі, що має низку переваг перед іншими підходами. У роботі був обраний даний підхід не тільки для організації веб-сервісу, прив’язаного до призначеного для користувача інтерфейсу, але і для створення непостійної архітектури збору даних з різних джерел. Основними причинами вибору цього напрямку є можливість створення серверної архітектури на обмежений час без постійного використання і можливість стабільної роботи незалежно від навантаження. В результаті була побудована гнучка і зручна система, що має змогу слідкувати за вартістю товару без участі користувача та надсилати сповіщення про вдалу покупку. Система зберігає мінімальну кількість даних про користувача, чим досягається ще більша безпека користування. Під час моніторингу, якщо правило відстеження буде виконано, система відправить повідомлення користувачу за допомогою електронного листа.