Методы нейросетевой обработки больших темпоральных данных для информационной поддержки принятия управленческих решений (на примере электроэнергетики)

Диссертационное исследование посвящено вопросам обработки больших объемов разнородных, в том числе и темпоральных данных с одновременным прогнозированием временных рядов нейросетевыми моделями и методами. Наличие больших объемов темпоральных данных в системах электроэнергетики и присутствующая при этом семантическая неоднородность, приводят к неэффективности применения классических и простых в реализации подходов к решению поставленной задачи прогнозирования потребления электроэнергии. При этом сложность и важность представленной задачи требует разработки новых или модификации известных методов и моделей, нивелирующих их недостатки применения к конкретной предметной области, и создания на их основе научно обоснованных концептуальных положений для достижения цели. Одним из таких решений и является использование нейросетевых моделей и методов обработки больших разнородных, в том числе и темпоральных данных и прогнозирования временных рядов.