Розроблення застосунку аналізу та прогнозування статистичних даних для визначення рівня забрудненості річок

Abstract

Визначення рівня забрудненості річок є однією з актуальних тем сьогодення, наразі приблизно третина річок в Україні вважаються забрудненими[1]. Для ефективного контролю за водними ресурсами та прийняттям рішень у короткочасній та довгочасній преспективі потрібно розробити систему підтримки прийняття рішень, яка буде працювати з великим обсягом необробленої інформації та ефективно виконувати завдання візуалізації кластеризації, прогнозу та імпорту результатів[2]. У даній роботі проаналізовано актуальність розробки даної системи та проведено огляд існуючих програмних рішень разом із аналізом основних груп користувачів. Обрано модульну архітектуру системи, розроблено функціональні, нефункціональні та технічні вимоги, обрано високорівневу мову програмування Python, для обробки великих масивів інформації[3] та визначено ключові бібліотеки, засоби з них та інші технічні вимоги для розроблення застосунку. Реалізовано гнучкий інтерфейс користувача, імплементовано весь запланований функціонал та проведено модульне та системне тестування і наведено результати роботи. При тестуванні система працювало стабільно швидко та точно виконуючи поставлені перед нею завдання. Об’єктом дослідження є застосунок аналізу та прогнозування статистичних даних для визначення рівня забрудненості річок. Предметом дослідження є розроблення застосунку аналізу та прогнозування статистичних даних для визначення рівня забрудненості річок. Метою даної роботи є створення застосунку аналізу та прогнозування статистичних даних для визначення рівня забрудненості річок. Новизна поставленого завдання полягає розробці системи, яка зможе працювати в існуванні необроблених та іноді некоректних масивів даних, які треба очистити перед використання основного функціоналу, в обробці великих обсягів даних у прийнятні часові рамки з забезпеченням точності обробки. Додатково новизною є налаштування алгоритмів кластеризації та прогнозу для універсальної обробки принципово різних за природою походження типів даних. Практичне значення одержаних результатів полягає у розробці системи, яка буде визначати рівень забрудненості річок та спираючись на оброблені дані допомагати прийняти правильні рішення у сфері охорони та використання водних ресурсів.

Determining the level of river pollution is one of the current hot topics, currently, approximately one third of rivers in Ukraine are considered polluted[1]. For effective control of water resources and decision-making in the short and long term, it is necessary to develop a decision support system that will work with a large amount of raw information and effectively perform the tasks of clustering visualization, forecasting and importing results[2]. This work analyzes the relevance of developing this system and reviews existing software solutions along with an analysis of the main user groups. The modular architecture of the system was selected, functional, non-functional and technical requirements were developed, the high-level programming language Python was selected for processing large amounts of information[3] and key libraries, tools from them and other technical requirements for developing the application were determined. A flexible user interface was implemented, all planned functionality was implemented and modular and system testing was carried out and the results of the work are presented. During testing, the system worked stably, quickly and accurately, performing the tasks set for it. The object of the study is the application of analysis and forecasting of statistical data to determine the level of river pollution. The subject of the study is the development of an application of analysis and forecasting of statistical data to determine the level of river pollution. The purpose of this work is to create an application of analysis and forecasting of statistical data to determine the level of river pollution. The novelty of the task is to develop a system that can work in the presence of raw and sometimes incorrect data sets that need to be cleaned before using the main functionality, in processing large amounts of data in an acceptable time frame while ensuring processing accuracy. An additional novelty is the configuration of clustering and forecasting algorithms for universal processing of fundamentally different types of data by nature of origin. The practical significance of the results obtained is to develop a system that will determine the level of river pollution and, based on the processed data, help make the right decisions in the field of protection and use of water resources.