Ladící nástroj pro predikci dat energetických budov a detekci neobvyklých stavů neuronovými sítěmi

Abstract

Cílem a výstupem této práce je návrh a naprogramování aplikace pro predikci dat energetickýcm budov a pro detekci neobvyklých stavů neuronovými sítěmi. Základním požadavkem aplikace je možnost nastavení parametrů neuronové sítě a predikce, výběru neuronového modelu a učícího algoritmu, úpravy dat, volby libovolných vstupních veličin a schopnost detekovat neobvyklé stavy vyskytující se v datech. Práce se zabývá různými přistupy k detekci stavů, které se v rámci dat vymykají běžnému chování avšak ne vždy je lze považovat za neobvyklé. Jsou zde také popsány teoretické poznatky získané při snaze detekovat různé druhy stavů pomocí aplikace. V závěru práce jsou shrnuty možnosti aplikace, výsledky práce a také nastíněn další možný vývoj.

An aim and an output of this thesis is design and a realization of an application for forecasting data of energy consumption of buildings and for detection of unusual states with artificial neural networks. Main demand of the application is a possibility to set parameters of a neural network and of prediction, to chose neural model and learning algorithm, to preprocess data, adjust inputs to neural network and to detect unusual states appearing in data. The thesis deals with different approaches towards detection of states which appears in data but cannot be always regarded as unusual. A theoretical knowledge received during testing detection on various unusual states with the application are described here. At the end, possibilities of the application, results of the work, and proposals for the future development of the application are summarized.