Bakalářská práce se zabývá možnostmi aplikace data miningu v oblasti energetiky. V teoretické části je výčet a popis vhodných metod pro aplikaci data miningu. Z mnoha metod je podrobněji popsána predikce pomocí neuronových sítí. V praktické části je návod na predikci pomocí výpočetního prostředí Matlab a jeho toolboxu pro neuronové sítě. Konkrétní výsledky predikce jsou prezentovány na rozsáhlých datech získaných ve spolupráci s teplárnou Most - Komořany.
Anotace v angličtině
The bachelor thesis deals with possibilities of application of data mining in the sphere of energetic industry. In the theory there is an enumeration and description of appropriate methods for data mining application. From many methods the prediction using neural networks is described in more detail. In the practical part there are instructions for prediction using computing environment Matlab and its toolbox for neural networks. The specific results of prediction are presented on large data obtained in co-operation with the heating plant Most - Komořany.
Klíčová slova
data mining, energetický průmysl, umělé neuronové sítě, Matlab, predikce, neural network toolbox, průměrná absolutní percentuelní chyba, teplárna
Klíčová slova v angličtině
data mining, energetic industry, artificial neural networks, Matlab, prediction, neural network toolbox, mean absolute percentage error, heating plant
Rozsah průvodní práce
63 s.
Jazyk
CZ
Anotace
Bakalářská práce se zabývá možnostmi aplikace data miningu v oblasti energetiky. V teoretické části je výčet a popis vhodných metod pro aplikaci data miningu. Z mnoha metod je podrobněji popsána predikce pomocí neuronových sítí. V praktické části je návod na predikci pomocí výpočetního prostředí Matlab a jeho toolboxu pro neuronové sítě. Konkrétní výsledky predikce jsou prezentovány na rozsáhlých datech získaných ve spolupráci s teplárnou Most - Komořany.
Anotace v angličtině
The bachelor thesis deals with possibilities of application of data mining in the sphere of energetic industry. In the theory there is an enumeration and description of appropriate methods for data mining application. From many methods the prediction using neural networks is described in more detail. In the practical part there are instructions for prediction using computing environment Matlab and its toolbox for neural networks. The specific results of prediction are presented on large data obtained in co-operation with the heating plant Most - Komořany.
Klíčová slova
data mining, energetický průmysl, umělé neuronové sítě, Matlab, predikce, neural network toolbox, průměrná absolutní percentuelní chyba, teplárna
Klíčová slova v angličtině
data mining, energetic industry, artificial neural networks, Matlab, prediction, neural network toolbox, mean absolute percentage error, heating plant
Zásady pro vypracování
Popište problematiku dobývání znalostí z rozsáhlých databází vybraných energetických provozů.
Vyberte vhodné metody pro praktickou aplikaci data miningu.
Proveďte přípravu a statistickou analýzu získaných dat.
Analyzujte připravená data za účelem vytěžování nových informací a poznatků o konkrétním provozu.
Vhodně formulujte získané výsledky a navrhněte postup dalšího výzkumu v této oblasti.
Zásady pro vypracování
Popište problematiku dobývání znalostí z rozsáhlých databází vybraných energetických provozů.
Vyberte vhodné metody pro praktickou aplikaci data miningu.
Proveďte přípravu a statistickou analýzu získaných dat.
Analyzujte připravená data za účelem vytěžování nových informací a poznatků o konkrétním provozu.
Vhodně formulujte získané výsledky a navrhněte postup dalšího výzkumu v této oblasti.
Seznam doporučené literatury
EDELSTEIN, H. A. Introduction to Data Mining and Knowledge Discovery. Two Crows Corporation, 1999. ISBN 1892095025
HAN, J., KAMBER, M. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, 2000. ISBN 1558604898
HASTIE, T., TIBSHIRANI, R., FRIEDMAN, J. H. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Verlag, 2001. ISBN 038799952845
MARŠÍK, R. Dolování dat - nastupující technologie na poli IT. ComputerWorld, příloha Business World, 1998, r.4, č.46. ISSN 1210-8790
PARR RUD, O. Data mining - Praktický průvodce dolováním dat pro efektivní prodej, cílený marketing a podporu zákazníků (CRM). Praha: Computerpress, 2002. ISBN 80-7226-577-6
ŠARMANOVÁ, J. Teorie a praxe dolování znalostí z dat. Informační bulletin ČStS, 2000, r.11, č.2, s. 16-26. ISSN 1210-8022
WEISS, S. M. Predictive Datamining: A practical guide. Morgan Kaufmann Publishers, 1997. ISBN 1558604030
Seznam doporučené literatury
EDELSTEIN, H. A. Introduction to Data Mining and Knowledge Discovery. Two Crows Corporation, 1999. ISBN 1892095025
HAN, J., KAMBER, M. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, 2000. ISBN 1558604898
HASTIE, T., TIBSHIRANI, R., FRIEDMAN, J. H. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Verlag, 2001. ISBN 038799952845
MARŠÍK, R. Dolování dat - nastupující technologie na poli IT. ComputerWorld, příloha Business World, 1998, r.4, č.46. ISSN 1210-8790
PARR RUD, O. Data mining - Praktický průvodce dolováním dat pro efektivní prodej, cílený marketing a podporu zákazníků (CRM). Praha: Computerpress, 2002. ISBN 80-7226-577-6
ŠARMANOVÁ, J. Teorie a praxe dolování znalostí z dat. Informační bulletin ČStS, 2000, r.11, č.2, s. 16-26. ISSN 1210-8022
WEISS, S. M. Predictive Datamining: A practical guide. Morgan Kaufmann Publishers, 1997. ISBN 1558604030
Přílohy volně vložené
1 CD ROM
Přílohy vázané v práci
-
Převzato z knihovny
-
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Student seznámil komisi s bakalářskou prací bez praktické ukázky. Po prezentaci následovaly dotazy:
1. Jaké konkrétní proměnné byly použity na straně 49? (Ing. Král)
Student dotazy komise zodpověděl.
Po diskusi následovalo zkoušení předmětů.