Analýza časových řad

Chynoradský, Jakub

Analýza časových řad

dc.contributor.advisor	Platoš, Jan
dc.contributor.author	Chynoradský, Jakub
dc.contributor.referee	Svoboda, Radek
dc.date.accepted	2022-06-01
dc.date.accessioned	2022-09-01T07:20:32Z
dc.date.available	2022-09-01T07:20:32Z
dc.date.issued	2022
dc.description.abstract	Cílem této diplomové práce bylo popsat a otestovat několik metod pro analýzu časových řad. Práce bude pracovat s datasetem, který představuje hodinovou spotřebu zemního plynu v letech 2013 až 2019. Značná část analýzy bude založena na dekompozici časových řad, která bude využita pro popsání vlastnosti řady a detekci anomálií. Obě zvolené a implementované metody pro predikci všechny spadají do kategorie strojového učení. Pro implementaci byl využit programovací jazyk Python.	cs
dc.description.abstract	The aim of this master’s thesis was to describe and test several methods for time series analysis. Thesis will work with a dataset representing hourly natural gas consumption from 2013 to 2019. A significant part of the analysis will be based on time series decomposition, which will be used for describing the properties of the series and anomaly detection. Both selected and implemented methods for prediction fall into the category of machine learning. The programming language used for the implementation was Python.	en
dc.description.department	460 - Katedra informatiky	cs
dc.description.result	velmi dobře	cs
dc.format.extent	2914273 bytes
dc.format.mimetype	application/pdf
dc.identifier.other	OSD002
dc.identifier.sender	S2724
dc.identifier.thesis	CHY0069_FEI_N2647_2612T025_2022
dc.identifier.uri	http://hdl.handle.net/10084/147325
dc.language.iso	cs
dc.publisher	Vysoká škola báňská – Technická univerzita Ostrava	cs
dc.rights.access	openAccess
dc.subject	časová řada	cs
dc.subject	analýza	cs
dc.subject	dekompozice	cs
dc.subject	predikce	cs
dc.subject	strojové učení	cs
dc.subject	hluboké učení	cs
dc.subject	time series	en
dc.subject	analysis	en
dc.subject	decomposition	en
dc.subject	prediction	en
dc.subject	machine learning	en
dc.subject	deep learning	en
dc.thesis.degree-branch	Informatika a výpočetní technika	cs
dc.thesis.degree-grantor	Vysoká škola báňská – Technická univerzita Ostrava. Fakulta elektrotechniky a informatiky	cs
dc.thesis.degree-level	Magisterský studijní program	cs
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Informační a komunikační technologie	cs
dc.title	Analýza časových řad	cs
dc.title.alternative	Time Series Analysis	en
dc.type	Diplomová práce	cs

Files

Original bundle

Now showing 1 - 5 out of 5 results

Name:: CHY0069_FEI_N2647_2612T025_2022.pdf
Size:: 2.78 MB
Format:: Adobe Portable Document Format
Description:: Text práce

Download

Name:: CHY0069_FEI_N2647_2612T025_2022_zadani.pdf
Size:: 47.34 KB
Format:: Adobe Portable Document Format
Description:: Zadání

Download

Name:: CHY0069_FEI_N2647_2612T025_2022_priloha.zip
Size:: 1.7 MB
Format:: Unknown data format
Description:: Příloha

Download

Name:: CHY0069_FEI_N2647_2612T025_2022_posudek_vedouci_Platos_Jan.pdf
Size:: 54.52 KB
Format:: Adobe Portable Document Format
Description:: Posudek vedoucího – Platoš, Jan

Download

Name:: CHY0069_FEI_N2647_2612T025_2022_posudek_oponent_Svoboda_Radek.pdf
Size:: 57.38 KB
Format:: Adobe Portable Document Format
Description:: Posudek oponenta – Svoboda, Radek

Download

Collections

Vysokoškolské kvalifikační práce Fakulty elektrotechniky a informatiky / Theses and dissertations of Faculty of Electrical Engineering and Computer Science (FEI)