Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://repositsc.nuczu.edu.ua/handle/123456789/14871Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| dc.contributor.author | Іванець, Григорій Володимирович | - |
| dc.contributor.author | Іванець, Григорій Володимирович | - |
| dc.date.accessioned | 2022-02-18T11:28:11Z | - |
| dc.date.available | 2022-02-18T11:28:11Z | - |
| dc.date.issued | 2019 | - |
| dc.identifier.citation | Харківський Національний університет Повітряних Сил імені Івана Кожедуба | ru_RU |
| dc.identifier.uri | http://repositsc.nuczu.edu.ua/handle/123456789/14871 | - |
| dc.description | 1. Звіт про основні результати діяльності Державної служби України з надзвичайних ситуацій у 2017 році [Електронний ресурс]. – URL: www.dsns.gov.ua/files/2018/1/26/Zvit%202017(KMУ).pdf. 2. Guskova N.D. Threats of natural character, factors affecting sustainable development of territories and their prevention / N.D. Guskova, E.A. Neretina // Journal of the Geographical Institute Jovan Cvijic, SASA. – 2013. – Vol. 63, Issue 3. – P. 227-237. https://doi.org//10.2298/ijgil303227g. 3. System approach for readiness assessment units of civil defense to actions at emergency situations / V.V. Tiutiunyk, H.V. Ivanetz, I.A. Tolkunov, E.I. Stetsyuk // Scientific Bulletin of National Mining University. – 2018. – Vol. 1. – P. 99-105. https://doi.org/10.29202/nvngu/2018-1/7. 4. Development of combined method for predicting the process of the occurrence of emergencies of natural character / H. Ivanets, S. Horielyshev, M. Ivanets, D. Baulin, I. Tolkunov, N. Gleizer, A. Nakonechnyi // Eastern-European Journal of Enterprise Technologies. – 2018. – Vol. 5, Issue 10(95). – P. 48-55. https://doi.org/10.15587/1729-4061.2018.143045. 5. Голован Ю.В. Защита населения в чрезвычайных ситуациях. Организационно-методический комплекс / Ю.В. Голован, Т.В. Козырь. – Дальневосточный государственный технический университет, Издательство “Проспект”, 2015. – 219 с. 6. Іванець Г.В. Аналіз стану техногенної, природної та соціальної небезпеки адміністративно-територіальних одиниць України на основі даних моніторингу / Г.В. Іванець // Збірник наукових праць Харківського національного університету Повітряних Сил. – 2016. – № 3(48). – С. 142-145. 7.Neisser F. The future is now! Extrapolated riskscapes, anticipatory action and the management of potential emergencies / F. Neisser, S. Runkel // Geoforum. – 2017. – Vol. 82. – P. 170-179. https://doi.org/10.1016/j.geoforum.2017.04.008. 8. Extrapolation of Functions of Many Variables by Means of Metric Analysis / A. Kryanev, V. Ivanov, A. Romanova, L. Sevastianov, D. Udumyan // EPJ Web of Conferences. – 2018. – Vol. 173:03014. https://doi.org/10.1051/epjconf/201817303014. 9. Development of the technique for restricting the propagation of fire in natural peat ecosystems / K. Migalenko, V. Nuianzin, A. Zemlianskyi, A. Dominik, S. Pozdieiev // Eastern-European Journal of Enterprise Technologies. – 2018. – Vol. 1, Issue 10(90). – P. 31-37. https://doi.org//10.15587/1729–4061.2018.121727. 10. Predictor-weighting strategies for probabilistic wind power forecasting with an analog ensemble / C. Junk, L. Delle Monache, S. Alessandrini, G. Cervone, L. von Bremen // Meteorologische Zeitschrift. – 2015. – Vol. 24, Issue 4. – P. 361-379. https://doi.org/10.1127/metz/2015/0659. 11. Morariu N. A neural network model for time series forecasting / N. Morariu, E. Iancu, S. Vlad // Romanian Journal of Economic Forecasting. – 2009. – Issue 4. – P. 213-223. 12. Pradhan R.P. Forecasting Exchange Rate in India: An Application of Artificial Neural Network Model / R.P. Pradhan, R. Kumar // Journal of Mathematics Research. – 2010. – Vol. 2, Issue 4. – P. 111-117. https://doi.org/10.5539/jmr.v2n4p111. 13. Al-Jumeily D., Ghazali R., Hussain A. Predicting Physical Time Series Using Dynamic Ridge Polynomial Neural Networks / D. Al-Jumeily, R. Ghazali, A. Hussain // PLoS ONE. – 2014. – Vol 9, Issue 8. – P. e105766. https://doi.org/10.1371/journal.pone.0105766. 14. Szoplik J. Forecasting of natural gas consumption with artificial neural networks / J. Szoplik // Energy. – 2015. – Vol. 85. – P. 208-220. https:// doi.org/10.1016/j.energy.2015.03.084. 15. Баласянян С.Ш. Сравнительный анализ методов регрессии и метода группового учета аргументов при моделировании процессов переработки полезных ископаемых / С.Ш. Баласянян, Э.М. Геворгян // Известия Томского политехнического университета. Инжиринг георесурсов. – 2016. – Т. 327, №4. – С. 23-34. 16. Nivolianitou Z. Towards emergency management of natural disasters and critical accidents: The Greek experience / Z. Nivolianitou, B.A. Synodinou // Journal of Environmental Management. – 2011. – Vol. 92, Issue 10. – P. 2657-2665. https://doi.org/10.1016/j.jenvman.2011.06.003. 17. Новоселов С.В. Проблемы прогнозирования количества чрезвычайных ситуаций статистическими методами / С.В. Новоселов, С.А. Панихидников // Горный информационно-аналитический бюллетень. – 2017. – № 10. – С. 60-71. 18. Національна доповідь про стан техногенної та природної безпеки в Україні у 2013 році / УНДІ ЦЗ ДСНС України. – Київ, 2014. – 542 с. | ru_RU |
| dc.description.abstract | Для прогнозування процесу виникнення надзвичайних ситуацій широко застосовують методи регресійного аналізу. Регресійна модель такого процесу, як правило, носить нелінійний характер і представляється у вигляді степеневого поліному. При оцінці параметрів моделі методом найменших квадратів не завжди забезпечується постійність дисперсії залишків для кожного спостереження або групи спостережень. Це призводить до того, що параметри регресійної моделі не будуть мати мінімальну дисперсію, що погіршує точність прогнозу. У статті запропоновано алгоритм прогнозування процесу виникнення надзвичайних ситуацій із врахуванням похибок регресійної моделі і уточнення оцінок її параметрів на основі зваженого методу найменших квадратів. Результати експериментальних досліджень підтверджують ефективність застосування зваженого методу найменших квадратів для підвищення точності прогнозування процесу виникнення надзвичайних ситуацій при застосування регресійних моделей | ru_RU |
| dc.language.iso | uk | ru_RU |
| dc.publisher | Наука і техніка Повітряних Сил Збройних Сил України: науково-технічний журнал. | ru_RU |
| dc.relation.ispartofseries | Вип. 1 (34);С. 117-122. | - |
| dc.subject | надзвичайна ситуація | ru_RU |
| dc.subject | регресійна модель | ru_RU |
| dc.subject | зважений метод найменших квадратів | ru_RU |
| dc.subject | точність прогнозу | ru_RU |
| dc.title | Алгоритм підвищення точності прогнозування процесу виникнення надзвичайних ситуацій на основі регресійних моделей | ru_RU |
| dc.type | Article | ru_RU |
| Розташовується у зібраннях: | Кафедра піротехнічної та спеціальної підготовки | |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Алгоритм підвищення точності прогнозування процесу виникнення надзвичайних ситуацій на основі регресійних моделей.pdf | 442,45 kB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.