prikaz prve stranice dokumenta Generički okvir za predviđanje potrošnje plina različitim algoritmima
Rad nije dostupan
diplomski rad
Generički okvir za predviđanje potrošnje plina različitim algoritmima
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2017. urn:nbn:hr:168:729523
Sičanica, Zlatan
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Sičanica, Z. (2017). Generički okvir za predviđanje potrošnje plina različitim algoritmima (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:729523

Sičanica, Zlatan. "Generički okvir za predviđanje potrošnje plina različitim algoritmima." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2017. https://urn.nsk.hr/urn:nbn:hr:168:729523

Sičanica, Zlatan. "Generički okvir za predviđanje potrošnje plina različitim algoritmima." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2017. https://urn.nsk.hr/urn:nbn:hr:168:729523

Sičanica, Z. (2017). 'Generički okvir za predviđanje potrošnje plina različitim algoritmima', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 03.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:729523

Sičanica Z. Generički okvir za predviđanje potrošnje plina različitim algoritmima [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2017 [pristupljeno 03.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:729523

Z. Sičanica, "Generički okvir za predviđanje potrošnje plina različitim algoritmima", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2017. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:729523

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:729523
Podaci o radu
NaslovGenerički okvir za predviđanje potrošnje plina različitim algoritmima
Naslov (engleski)Generic Framework for Gas Consumption Estimation
AutorZlatan Sičanica
MentorBoris Milašinović (mentor)
Član povjerenstvaBoris Milašinović (predsjednik povjerenstva)
Član povjerenstvaIvica Botički (član povjerenstva)
Član povjerenstvaZdravko Galić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2017-07-11, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Problem predviđanja potrošnje plina ili električne energije čest je u području energetike. U Končar KET-u pokazana je potreba za programskim proizvodom koji bi rješavao problem prognoze potrošnje plina u Gradskoj plinari Zagreb. Cilj projekta je razviti takav proizvod koji bi, na temelju podataka o potrošnjama u prošlosti, radio što kvalitetnija predviđanja. Standardni pristup rješavanju takvog problema je kroz perspektivu strojnog učenja. Razvijen je generički programski okvir koji svojim korisnicima nudi razne funkcionalnosti poput pretprocesiranja povijesnih podataka o potrošnjama, konfiguriranja algoritama strojnog učenja i selekcije najboljeg algoritma na danom skupu podataka. Algoritmi iz programskog okvira su korišteni za prognoziranje potrošnje plina i njihovi rezultati su uspoređeni s rezultatima drugih, sličnih proizvoda poput ABB-ovog Nostradamusa. Dobiveni su zadovoljavajući rezultati, gdje su algoritmi iz programskog okvira u većini slučajeva imali bolje rezultate od drugih alata.
Sažetak (engleski)
Problem of gas or electric energy consumption prediction is common in the field of energetic. In Končar KET there is a need for a software product that would predict gas consumption in Zagreb gas plant. The goal of the project is to develop such a product that would, based on the empirical data, offer the predictions of the best quality. The standard approach to solving this problem is through the perspective of machine learning. A generic framework is developed that offers it's users various features like empirical data preprocessing, machine learning algorithm configuration or selection of the best algorithm on a given data set. Algorithms from the framework are used for predictions of gas consumption and their results are compared with other, similar tools like ABB's Nostradamus. Results are satisfactory, algorithms from the framework mostly had better results than algorithms from the other tools.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:729523
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2019-03-14 00:40:37