prikaz prve stranice dokumenta Redukcija dimenzionalnosti podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi
  Download
PDF 1.05 MB
master's thesis
Redukcija dimenzionalnosti podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi
Rijeka: University of Rijeka, Faculty of Engineering, 2024. urn:nbn:hr:190:476589
Buterin, Ivan
University of Rijeka
Faculty of Engineering

Institutional repository: Repository of the University of Rijeka, Faculty of Engineering

Cite this document

Buterin, I. (2024). Redukcija dimenzionalnosti podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi (Master's thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:476589

Buterin, Ivan. "Redukcija dimenzionalnosti podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi." Master's thesis, University of Rijeka, Faculty of Engineering, 2024. https://urn.nsk.hr/urn:nbn:hr:190:476589

Buterin, Ivan. "Redukcija dimenzionalnosti podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi." Master's thesis, University of Rijeka, Faculty of Engineering, 2024. https://urn.nsk.hr/urn:nbn:hr:190:476589

Buterin, I. (2024). 'Redukcija dimenzionalnosti podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi', Master's thesis, University of Rijeka, Faculty of Engineering, accessed 24 December 2024, https://urn.nsk.hr/urn:nbn:hr:190:476589

Buterin I. Redukcija dimenzionalnosti podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi [Master's thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2024 [cited 2024 December 24] Available at: https://urn.nsk.hr/urn:nbn:hr:190:476589

I. Buterin, "Redukcija dimenzionalnosti podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi", Master's thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:190:476589

Metadata
TitleRedukcija dimenzionalnosti podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi
Title (english)Dimensionality reduction of data on pressure measurements in case of water pipes leakage
AuthorIvan Buterin
MentorZoran Čarija (mentor)
MentorIvana Lučin (komentor)
Committee memberSandi Ljubić (predsjednik povjerenstva)
Committee memberGoran Mauša (član povjerenstva)
Committee memberZoran Čarija (član povjerenstva)
GranterUniversity of Rijeka
Faculty of Engineering
Rijeka
Defense date and country2024, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Ovaj diplomski rad analizirao je problematiku visokodimenzionalnih podataka o mjerenjima tlaka kod oštećenja vodovodnih cijevi. Problem je definiran i opisan na primjeru pojednostavljene vodovodne mreže gdje su predstavljeni obrađeni ulazni podaci. Opisani su softverski alati korišteni u rješavanju problema. Dan je kratak opis strojnog učenja i modela nasumične šume te su istražene i opisane dvije metode redukcije dimenzionalnosti podataka- Principal Component Analysis (PCA) i ANOVA f-test koje su primjenjene na dostupne podatke. Glavni cilj rada bio je utvrditi kako metode redukcije dimenzionalnosti utječu na točnost predikcijskog modela nasumične šume i vrijeme treniranja modela u odnosu na originalni set podataka. Nakon provedbe navedenih metoda, opisani su i uspoređeni njihovi rezultati te je na temelju tih rezultata izveden zaključak i dan prijedlog nekih unaprijeđenja u pristupu ovom problemu.
Abstract (english)
This thesis analyzed the issue of high-dimensional data on pressure measurements in the case of water pipes leakage. The problem was defined and described using the example of a simplified water supply network, with processed input data presented. The software tools used to address the problem were outlined. A brief description of machine learning and the Random Forest model was provided, along with an ex ploration and explanation of two data dimensionality reduction methods– Principal Component Analysis (PCA) and ANOVA f-test which were applied on the dataset. The main goal of the thesis was to determine how dimensionality reduction methods affect the accuracy of the Random Forest predictive model and the model’s training time compared to the original dataset. After applying these methods, their results were described and compared, and conclusions were drawn based on these results, along with proposals for potential improvements in approaching this problem.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:190:476589
Study programmeTitle: Computer Engineering
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originReformatted digital
Access conditionsOpen access
Terms of useLicence Attribution 4.0 International (CC BY 4.0) icon
Created on2024-11-21 11:13:58