Розмір шрифта: 

У роботі виконано системний аналіз водогосподарських балансів ділянок басейну Дністра та реалізовано інтелектуальне прогнозування рівнів води на автоматичному гідропості Самбір. Здійснено структуризацію та попередню обробку гідрологічних даних за 2024 рік, побудовано засоби геопросторової візуалізації дефіциту та резервів водних ресурсів. На основі інженерії ознак із застосуванням TSFRESH та врахування аномальних паводкових подій розроблено й порівняно спектр прогнозних моделей: спеціалізованих алгоритмів часових рядів (Facebook Prophet, AutoARIMA) і класичних моделей машинного навчання. Встановлено, що модель Prophet із налаштованою 90-денною сезонністю та порядком Фур'є 12 забезпечує найвищу точність короткострокового прогнозування (RMSE = 4.02 см, MAPE = 1.88%). Результати спрямовані на оперативну підтримку прийняття управлінських рішень у сфері управління водними ресурсами.

 

Abstract

This paper performs a systems analysis of the water management balances across sections of the Dniester River basin and implements intelligent water level forecasting at the Sambir automatic hydrological post. Hydrological data for 2024 were structured and preprocessed, and geospatial visualization tools for water resource deficits and reserves were constructed. Based on feature engineering using TSFRESH and accounting for anomalous flood events, a range of predictive models was developed and evaluated, including specialized time-series algorithms (Facebook Prophet, AutoARIMA) and classical machine learning models. It was established that the Prophet model with a tuned 90-day seasonality and a Fourier order of 12 achieves the highest short-term forecasting accuracy (RMSE = 4.02 cm, MAPE = 1.88%). The results are aimed at operational decision support in water resource management.

системний аналіз, прогнозування рівня води, часові ряди, машинне навчання, Prophet, ARIMA, гідроекологічний моніторинг, Дністер, водпост Самбір, systems analysis, water level forecasting, time series, machine learning, Prophet, ARIMA