Nadomeščanje manjkajočih meritev temperature z nevronskimi mrežami na grafihStojanovič, Jan Jure (Avtor) Faganeli Pucer, Jana (Mentor) Nadomeščanje manjkajočih meritevmeritve vremenskih postajgrafne nevronske mrežeVremenski podatki pogosto vsebujejo manjkajoče meritve zaradi okvar senzorjev, komunikacijskih napak ali vzdrževalnih posegov, kar oteži njihovo uporabo pri napovedovanju in spremljanju stanja. Namen naloge je nadomestiti manjkajoče meritve temperature z izkoriščanjem prostorsko-časovnih odvisnosti med meteorolo škimi postajami. Kot cilj naše diplomske naloge smo si zadali izdelavo modela strojnega učenja na podlagi grafnih nevronskih mrež za nadomeščanje manjkajočih meritev temperature v podatkovnih množicah. Podatke smo strukturirali v prostorsko-časovni graf in razvili dva glavna pristopa. Model GNN-GRU združuje grafno pozornost in rekurenčne enote GRU za napoved temperature v naslednjem časovnem koraku in ga uporabimo, kadar so na voljo zgodovinske meritve ciljne postaje. Model GAT-Spatial pa z več zaporednimi GAT-plastmi nadomesti trenutne vrednosti temperature brez zgodovine na cilju. Najboljše rezultate smo dosegli z GNN-GRU modelom in povprečno absolutno napako 0, 371 °C, z GAT-Spatial pa s povprečno absolutno napako 1, 220 °C.20252025-09-10 12:20:00Diplomsko delo/naloga172650VisID: 38293COBISS_ID: 249734659sl