RTU Research Information System
Latviešu English

Publikācija: Forecasting System Development for Nonlinear and Nonstationary Time Series of Normalized Difference Vegetation Index

Publication Type Doctoral Thesis
Funding for basic activity State funding for education
Defending: 16.10.2019 14:30, Rīgas Tehniskās universitātes Datorzinātnes un informācijas tehnoloģijas fakultāte, Sētas iela 1, 202. auditorija
Publication language Latvian (lv)
Title in original language Nelineāru un nestacionāru normalizēta veģetācijas indeksa laika rindu prognozēšanas sistēmas izstrādāšana
Title in English Forecasting System Development for Nonlinear and Nonstationary Time Series of Normalized Difference Vegetation Index
Field of research 2. Engineering and technology
Sub-field of research 2.2 Electrical engineering, Electronic engineering, Information and communication engineering
Research platforms Information and Communication
Authors Artūrs Stepčenko
Keywords Aproksimācija, laika rindas, mākslīgie neironu tīkli; prognozēšana, signālu dekompozīcija
Abstract Normalizēta veģetācijas indeksa (NDVI) laika rindas ir viens no galvenajiem instrumentiem precīzajā lauksamniecībā. Šī indeksa prognozēšana precīzajā lauksaimniecībā ļauj savlaicīgi noteikt problēmas, kas saistītas ar lauksaimniecības kultūru augšanas tempiem. Promocijas darbs veltīts nelineāru un nestacionāru NDVI indeksa laika rindu analīzei un prognozēšanai ar datu pirmapstrādes, signālu apstrādes, lineāras algebras un mašīnmācīšanās metožu izmantošanu. Promocijas darba mērķis ir izstrādāt normalizēta veģetācijas indeksa laika rindu prognozēšanas sistēmu, kas balstīta uz signālu dekompozīciju un apakšsignāla aproksimācijas pieeju, specializētām datu pirmapstrādes metodēm, kā arī mašīnmācīšanās metodēm. Promocijas darbā izstrādāta NDVI indeksa laika rindu prognozēšanas sistēma (NDVI FS), kas veic laika rindas vērtības īstermiņa prognozēšanu nākamajam periodam, izmantojot vēsturiskos novērojumus. Izstrādātās prognozēšanas sistēmas ietvaros realizēta jauna pieeja, kas paredzēta variāciju apakšsignālu dekompozīcijas metodes pielietošanai NDVI laika rindu prognozēšanas uzdevumā. Piedāvāta jauna pieeja iegūto datu pirmapstrādes parametru un apmācīta prognozēšanas modeļa pārnesei, kas ļauj šos parametrus un modeli izmantot citu NDVI laika rindu prognozēšanai, kur starp apmācībā izmantoto un citu laika rindu ir pietiekami maza Eiklīda distance. Promocijas darbs ir uzrakstīts latviešu valodā, tajā ir ievads, piecas nodaļas, secinājumi, literatūras saraksts, 36 attēli, 21 tabula, četri pielikumi, kopā 171 lappuse, ieskaitot pielikumus. Literatūras sarakstā ir 121 nosaukums.
Abstract in English Normalized Difference Vegetation Index (NDVI) time series is one of the most important instruments in precision agriculture. Forecasting of this index in precision agriculture allows us to define problems related to growth rates of agricultural crops in time. This Doctoral Thesis is devoted to the analysis and forecasting of nonlinear and nonstationary NDVI index time series with the use of data pre-processing, signal processing, linear algebra and machine learning methods. The aim of Doctoral Thesis is to develop a forecasting system of normalized difference vegetation index time series based on signal decomposition and sub-signal approximation approach, specialized data processing methods and machine learning. In the Thesis, NDVI time series forecasting system (NDVI FS) is proposed that makes short-term time series value forecasting for the next period using historical observations. In the developed system framework, an innovative approach to using variational mode decomposition method in NDVI time series forecasting task is realized. There is also offered an innovative approach to trained forecasting model transfer, which allows using this model to forecast other NDVI time series obtained from neighbourhood pixels. The Doctoral Thesis has been written in Latvian. It consists of Introduction; 5 chapters; Conclusion; 36 figures; 21 tables; 4 appendices; the total number of pages is 171, including appendices. The Bibliography contains 121 titles.
DOI: 10.13140/RG.2.2.29355.39208
Reference Stepčenko, Artūrs. Forecasting System Development for Nonlinear and Nonstationary Time Series of Normalized Difference Vegetation Index. PhD Thesis. Rīga: [RTU], 2019. 171 p.
Full-text Full-text
Summary in English Summary in English
ID 29493