Vytvoření predikčního modelu předpovědi počasí pomocí neuronové sítě a asociačních pravidel

Tato diplomová práce představuje tři různé způsoby výběru vhodných prediktorů pro konstrukci binárního klasifikátoru za účelem automatizované předpovědi počasí s využitím asociačních pravidel a kontingenční analýzy v systém LISp-Miner. První část práce se skládá ze sbírky teoretických znalostí, které přímo souvisí s vytvořením prediktivního modelu, zatímco druhá část popisuje tvorbu modelu jako takového pomocí metodiky CRISP-DM. Závěrečná část práce je věnována analýze výkonu vytvořených neuronových sítí a porovnání jednotlivých metod.This diploma thesis introduces three different methods of creating a neural network binary classifier for the purpose of automated weather prediction with attribute pre-selection using association rules and correlation patters mining by the LISp-Miner system. First part of the thesis consists of collection of theoretical knowledge enabling the creation of such predictive model, whereas the second part describes the creation of the model itself using the CRISP-DM methodology. Final part of the thesis analyses the performance of created classifiers and concludes the proposed methods and their possible benefits over training the network without attribute pre-selection