Details

Title: Разработка математической модели распределения ТС по системе производственных объектов нефтяного хозяйства: выпускная квалификационная работа бакалавра: направление 01.03.03 «Механика и математическое моделирование» ; образовательная программа 01.03.03_03 «Математическое моделирование процессов нефтегазодобычи»
Creators: Пичугин Илья Александрович
Scientific adviser: Мешков Вадим Ростиславович
Organization: Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт
Imprint: Санкт-Петербург, 2024
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: анализ данных; корреляция Кенделла; корреляция Спирмена; машинное обучение; математическая модель; агломеративный иерархический метод; логистическая регрессия; случайный лес; градиентный бустинг; data analysis; Kendall correlation; Spearman correlation; machine learning; mathematical model; agglomerative hierarchical method; logistic regression; random forest; gradient boosting
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 01.03.03
Speciality group (FGOS): 010000 - Математика и механика
DOI: 10.18720/SPBPU/3/2024/vr/vr24-5321
Rights: Доступ по паролю из сети Интернет (чтение, печать)
Additionally: New arrival
Record key: ru\spstu\vkr\30013

Allowed Actions:

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В данной работе была разработана математическая модель распределения транспортных средств по системе производственных объектов нефтяного хозяйства. Работа состоит из предобработки и анализа данных, составления архитектуры данных, реализации методов машинного обучения на языке Python, разработки метрик для их оценки, валидации и сравнения моделей.

In this work was developed a mathematical model of the distribution of vehicles across the system of production facilities of the oil industry. The work consists of data preprocessing and analysis, data architecture, implementation of machine learning methods in Python, development of metrics for their evaluation, validation and comparison of models.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print
Internet Authorized users SPbPU Read Print
-> Internet Anonymous

Usage statistics

stat Access count: 0
Last 30 days: 0
Detailed usage statistics