Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/50858| Назва: | Дослідження та розробка рекомендаційної системи на основі штучного інтелекту для вибору стійких рослин для озеленення міста |
| Інші назви: | Research and Development of an AI-Based Recommendation System for Selecting Resilient Plants for Urban Greening |
| Автори: | Головко, Анастасія Владленівна Holovko, Anastasiya Vladlenivna |
| Приналежність: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна |
| Бібліографічний опис: | Головко А. В. Дослідження та розробка рекомендаційної системи на основі штучного інтелекту для вибору стійких рослин для озеленення міста : робота на здобуття кваліфікаційного ступеня магістр : спец. 122 - комп’ютерні науки / наук. кер. Л. П. Матійчук. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2025. 85 с. |
| Бібліографічне посилання: | Головко А. В. Дослідження та розробка рекомендаційної системи на основі штучного інтелекту для вибору стійких рослин для озеленення міста : робота на здобуття кваліфікаційного ступеня магістр : спец. 122 «Комп’ютерні науки» / наук. кер. Л. П. Матійчук. Тернопіль : ТНТУ, 2025. 85 с. |
| Дата публікації: | 23-гру-2025 |
| Дата подання: | 9-гру-2025 |
| Дата внесення: | 2-січ-2026 |
| Видавництво: | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна |
| Країна (код): | UA |
| Місце видання, проведення: | Тернопіль |
| Науковий керівник: | Матійчук, Любомир Павлович Matiichuk, Liubomyr |
| Члени комітету: | Луцик, Надія Степанівна Lutsyk, Nadiia |
| УДК: | 004.89:712.25 |
| Теми: | 122 комп’ютерні науки аналіз даних екологія озеленення міста машинного навчання рекомендаційна система стійкість рослин штучний інтелект ai collaborative filtering content-based filtering machine learning python smart city urban greening |
| Діапазон сторінок: | 85 |
| Короткий огляд (реферат): | Кваліфікаційна робота присвячена розробці інтелектуальної рекомендаційної системи, що допомагає у виборі видів рослин для міського озеленення з урахуванням екологічних факторів та кліматичної стійкості. У першому розділі проаналізовано сучасний стан міських екосистем та роль "розумних міст" у підтримці біорізноманіття. Другий розділ містить опис алгоритмів машинного навчання, що лежать в основі рекомендацій (контентна та колаборативна фільтрація), а також аналіз параметрів стійкості рослин до міського стресу. У третьому розділі представлено програмну реалізацію системи на мові Python, описано структуру бази даних та результати тестування моделі на реальних наборах даних про міські насадження. Робота містить економічне обґрунтування проєкту, аналіз питань охорони праці та цивільної безпеки фахівців з озеленення The qualification work is devoted to the development of an intelligent recommendation system that assists in selecting plant species for urban greening, taking into account environmental factors and climate resilience. The first chapter analyzes the current state of urban ecosystems and the role of "smart cities" in supporting biodiversity. The second chapter describes the machine learning algorithms underlying the recommendations (content-based and collaborative filtering), as well as an analysis of plant resilience parameters to urban stress. The third chapter presents the software implementation of the system in Python, describes the database structure, and the results of testing the model on real datasets of urban plantings. The work includes economic justification, occupational health analysis, and civil safety of urban greening specialists |
| Опис: | Роботу виконано на кафедрі комп'ютерних наук Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 23.12.2025р. на засіданні екзаменаційної комісії №32 у Тернопільському національному технічному університеті імені Івана Пулюя |
| Зміст: | ВСТУП 6 1 ТЕОРЕТИЧНІ АСПЕКТИ УРБОЕКОЛОГІЇ ТА ЦИФРОВІЗАЦІЇ МІСТ 10 1.1 Сучасні проблеми озеленення в умовах кліматичних змін 10 1.2 Концепція Smart City та інтелектуальне управління ресурсами 16 1.3 Огляд існуючих систем підтримки прийняття рішень в екології 22 Висновок до першого розділу 27 2 МЕТОДИ ШТУЧНОГО ІНТЕЛЕКТУ В РЕКОМЕНДАЦІЙНИХ СИСТЕМАХ 28 2.1 Архітектура та типи рекомендаційних алгоритмів 28 2.2 Обґрунтування критеріїв стійкості рослин для моделі ШІ 34 2.3 Аналіз методів оцінки якості рекомендацій 40 Висновок до другого розділу 45 3 ПРОЕКТУВАННЯ ТА РЕАЛІЗАЦІЯ ІНТЕЛЕКТУАЛЬНОЇ СИСТЕМИ 46 3.1 Розробка структури бази даних та збір екологічних даних 46 3.2 Програмна імплементація алгоритму на Python 52 3.3 Експериментальне дослідження точності рекомендацій 58 Висновок до третього розділу 63 4 ОБҐРУНТУВАННЯ ЕКОНОМІЧНОЇ ЕФЕКТИВНОСТІ 64 5 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 77 6 ЕКОЛОГІЯ 83 ЗАГАЛЬНІ ВИСНОВКИ 85 СПИСОК ЛІТЕРАТУРИ 86 |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/50858 |
| Власник авторського права: | © Головко Анастасія Владленівна, 2025 |
| Перелік літератури: | 1. Брощак І. С. Моніторинг ґрунтів, шляхи покращення родючості та екологічної безпеки земель Тернопільської області : монографія. – Тернопіль : Видавничо-поліграфічний центр «Економічна думка», 2013. – 160 с. 2. Економіка довкілля і природних ресурсів : монографія / Ю. В. Дзядикевич та ін. – Тернопіль, 2016. – 392 с. 3. Кунанець Н. Е., Небесний Р. М., Мацюк О. В. Особливості формування цілей соціальних та соціокомунікаційних складових у проєктах «Розумних міст» // Вісник Національного університету «Львівська політехніка». Серія: Інформаційні системи та мережі. – 2016. – Вип. 854. – С. 257–274. – URL: http://nbuv.gov.ua/UJRN/VNULPICM_2016_854_26. 4. Положення про державну систему моніторингу довкілля : Постанова Кабінету Міністрів України No 391 від 30.03.1998 (у ред. 2022 р.) // Офіційний вісник України. – 1998. 5. Про охорону навколишнього природного середовища : Закон України від 25.06.1991 No 1264-XII // База даних «Законодавство України» / Верховна Рада України. – URL: https://zakon.rada.gov.ua/go/1264-12 (дата звернення: 14.12.2025). 6. Belton V., Stewart T. Multiple Criteria Decision Analysis: An Integrated Approach. – Boston : Kluwer Academic Publishers, 2002. – 372 p. 7. Dnipro Smart City. Urban Ecology and Green Infrastructure Report. – Dnipro : Dnipro City Council, 2023. – 52 p. 8. Duda O., Kochan V., Kunanets N., Matsiuk O., Pasichnyk V., Sachenko A., Pytlenko T. Data processing in IoT for smart city systems // Proceedings of the 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS). – Metz, France, 18–21 September 2019. – Vol. 1. – P. 96–99. 9. Ecomisto Project. Environmental Monitoring Data Platform Overview. – Ecomisto, 2022. – 28 p. 10. EkoMonitor Kharkiv. Environmental Monitoring Technical Report. – Kharkiv : Kharkiv EcoLab, 2022. – 41 p. 11. El-Masri S., Khalil R. Post-Explosion Environmental Recovery in Beirut: Urban Green Spaces and Community Restoration // Journal of Urban Ecology. – 2020. – Vol. 6, No. 1. – juaa021. 12. Environmental Modelling & Software. Multicriteria algorithms for ecological decision support // Environmental Modelling & Software. – 2024. – Vol. 170. – 106084. 13. European Commission. Ethics Guidelines for Trustworthy AI. – Brussels : EU High-Level Expert Group on Artificial Intelligence, 2020. – 40 p. 14. FAO. Soil Compaction and Urban Construction Impacts on Soil Functions. – Rome : FAO, 2021. – 67 p. 15. FAO. Urban Forests: A Global Perspective. – Rome : Food and Agriculture Organization of the United Nations, 2023. – 210 p. 16. Forestry Commission. The Urban Tree Manual. – London : Forestry Commission, 2022. – 120 p. 17. Goodwin N., Turner D., Alonso J. Geospatial AI for sustainable urban ecosystems // Sustainable Cities and Society. – 2023. – Vol. 96. – 104663. 18. Green Kyiv. Catalogue of Urban Trees: Methodology and Data. – Kyiv : Kyiv City Administration, 2021. – 63 p. 19. Guidotti R., Monreale A., Ruggieri S., et al. A survey of methods for explaining black box models // ACM Computing Surveys. – 2021. – Vol. 54, No. 5. – P. 1–42. 20. INSPIRE Directive. Directive 2007/2/EC Establishing an Infrastructure for Spatial Information in the European Community // Official Journal of the European Union. – 2020. – Reprint. 21. Institute of Soil Science and Agrochemistry. War-Induced Soil Degradation in Ukraine: Field Report 2023–2024. – Kharkiv, 2024. – 61 p. 22. Korzun O., Petrenko V., Shevchenko L., Havryliuk M., Bondar O. War-induced soil degradation in Ukraine: Field evidence and spatial assessment // Science of the Total Environment. – 2024. – Vol. 912. – 168744. – DOI: https://doi.org/10.1016/j.scitotenv.2023.168744. 23. Kravchenko T., Melnyk O., Havrylenko I. Community engagement in post-war green restoration // Sustainability. – 2023. – Vol. 15, No. 14. – 11205. – DOI: https://doi.org/10.3390/su151411205. 24. Kumar P., Khare M., Harrison R. Air pollution exposure in urban environments during and after conflicts // Environmental Pollution. – 2021. – Vol. 285. – 117130. 25. Lacan I., McBride J. War and Trees: The Impact of Armed Conflict on Urban Forests // Urban Ecosystems. – 2009. – Vol. 12, No. 3. – P. 251–264. 26. Lehtonen A., Saarinen M., Koski T. Decision-Tree-Based Urban Plant Planner for Nordic Cities // Sustainability. – 2023. – Vol. 15, No. 12. – 9451. 27. Lehtonen M., Ranta M., Korpela K. Machine-learning-based planning tools for cold-climate cities (Green Planner) // Sustainability. – 2023. – Vol. 15, No. 2. – 812. 28. Li D., Bou-Zeid E. Urban heat mitigation through vegetation // Nature Reviews Earth & Environment. – 2023. – Vol. 4. – P. 125–140. 29. López B., et al. Machine learning models for predicting urban tree survival // Ecological Informatics. – 2023. – Vol. 78. – 102336. 30. Lviv Open Data Portal. Urban Greenery Inventory Dataset. – Lviv : Lviv City Council, 2022. 31. Makdisi A., Chidiac S., Fawaz M. Urban environmental recovery after the Beirut Port explosion: Early assessments // Environmental Research Letters. – 2021. – Vol. 16, No. 12. – 124021. – DOI: https://doi.org/10.1088/1748-9326/ac3c81. 32. Müller N., Werner P., Kelcey J. (eds.). Urban Biodiversity and Ecosystem Services. – Cham : Springer, 2020. – 600 p. 33. Nature Climate Change. Urban vegetation and cooling: A meta-analysis of global evidence // Nature Climate Change. – 2023. – Vol. 13, No. 4. – P. 355–368. 34. Nowak D. J., Hoehn R., Bodine A., Greenfield E. Accuracy of biomass and ecosystem service estimation using i-Tree // Environmental Pollution. – 2023. – Vol. 320. – 121291. 35. OECD. Artificial Intelligence in Society. – Paris : OECD Publishing, 2021. 36. Open Data Institute Europe. Assessment of municipal green data platforms in Eastern Europe. – London : ODI Europe, 2023. – 54 p. 37. PlantSelect Estonia. Machine Learning-Based Plant Suitability Classification: Technical Whitepaper. – Tallinn : PlantSelect, 2023. – 33 p. 38. Pritchard J., Taylor S., Ferrini F. Urban plant stress tolerance mechanisms: A review // Urban Forestry & Urban Greening. – 2022. – Vol. 74. – 127632. 39. Saaroni H., Ziv B., Nevo R. Machine learning integration in urban green infrastructure planning // Landscape and Urban Planning. – 2022. – Vol. 226. – 104503. 40. Sahoo S. K., Goswami S. S. A Comprehensive Review of Multiple Criteria Decision-Making (MCDM) Methods // Decision Making Advances. – 2023. – Vol. 1, No. 1. – P. 25–48. 41. San Francisco Urban Forest Map. Technical Documentation. – San Francisco : City of San Francisco, 2021. – 47 p. 42. Scientific Reports. AI for Urban Vegetation Management // Scientific Reports. – 2024. – Vol. 14. – Article 2251. 43. Shimada G., Johnston M. Planting “Post-Conflict” Landscapes: Urban Trees in Peacebuilding and Reconstruction // Landscape Research. – 2020. – Vol. 45, No. 7. – P. 869–885. 44. TreeTalk London. Platform Documentation and Data Specification. – London : TreeTalk Foundation, 2023. – 39 p. 45. Ukrainian Ecological Research Network. Social Resilience and Urban Greening Participation after Conflict: Survey Report 2023. – Kyiv, 2023. – 54 p. 46. Ukrainian Hydrometeorological Institute. Environmental Impact of the Kakhovka Dam Destruction: Hydrology, Sediments, and Heavy Metals. – Kyiv : UHI, 2023. – 78 p. 47. UNECE; UNEP. Environmental Damage Assessment and Post-Conflict Urban Recovery Guidance. – Geneva : United Nations, 2023. – 142 p. 48. UNEP. Environmental impacts of the war in Ukraine: Preliminary assessment. – Nairobi : UNEP, 2022. – 112 p. 49. United Nations. Sustainable Development Goals. Goal 11: Sustainable Cities and Communities. – New York : United Nations, 2015. 50. United Nations Environment Programme. Environmental Impacts of Conflicts: Global Update 2023. – Nairobi : UNEP, 2023. – 56 p. 51. Urban Climate. Cooling performance of urban vegetation under heat stress // Urban Climate. – 2024. – Vol. 54. – 101123. 52. Urban Forestry & Urban Greening. Effectiveness of AI-based recommendation systems in municipal greening // Urban Forestry & Urban Greening. – 2023. – Vol. 84. – 127215. 53. USDA Forest Service. i-Tree Eco Manual. – Washington, D.C. : USDA, 2022. – 182 p. 54. Wieclaw L., Pasichnyk V., Kunanets N., Duda O., Matsiuk O., Falat P. Cloud computing technologies in “smart city” projects // Proceedings of the 9th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS). – Bucharest, Romania, 21–23 September 2017. – P. 339–342. 55. World Economic Forum; MIT Senseable Lab. Global review of AI-enabled urban greening platforms. – Geneva : World Economic Forum, 2022. – 48 p. |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 122 — комп’ютерні науки |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Mag_2025_SNmz_61_Holovko_AV.pdf | Дипломна робота | 4,13 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора