Schválené projekty 2016

Rozdělení přidělené dotace z MŠMT na specifický vysokoškolský výzkum po fakultách se zohledněním celoškolských pracovišť na rok 2016

Celková přidělená částka z MŠMT na specifický vysokoškolský výzkum na VŠB-TUO - 55 896 914 Kč

Z toho 2.5% - 1 397 423 Kč - úhrada způsobilých nákladů spojených s organizací SGS

fakulta přidělená částka v Kč
FBI  1 270 231
EKF  4 459 400
FAST  2 765 016
FS  9 344 371
FEI 13 781 413
HGF  5 130 549
FMMI  7 000 000
VC 10 748 511
CELKEM 54 499 491

KódSP2016/166
Název projektuVyužití HPC pro analýzu časových řad zatížených neurčitostí II
ŘešitelSlaninová Kateřina Ing., Ph.D.
Školitel projektu
Období řešení projektu01.01.2016 - 31.12.2016
Předmět výzkumuPři řešení reálných inženýrských úloh (například modelování dopravy) se setkáváme s velkým množstvím časových řad. Komplexnost systémů, které tyto časové řady generují, způsobuje, že tyto řady mohou být zatíženy neurčitostí, která se může dynamicky měnit v čase a prostoru. Tato vlastnost však komplikuje použití běžných metod pro porovnávání časových řad a jejich predikci. V rámci řešení předcházejícího projektu SGS SP2015/114 „Využití HPC pro analýzu časových řad zatížených neurčitostí“, na který tento projekt přímo navazuje, byly navrženy metody, které dokázaly pracovat i s takovýmito časovými řadami. Cílem tohoto projektu SGS je tyto metody dále rozvinout a implementovat také další state-of-the-art algoritmy se zaměřením na predikci složitých časových řad. Bude využito aktuálních přístupů z oblasti statistiky, machine learningu a dynamických systémů. Na rozdíl od předchozího projektu bude tento více zaměřen na samotný návrh a implementaci metod pro jejich praktické využití. Proto bude také kladen důraz na paralelizaci těchto metod s využitím infrastruktury superpočítačového centra IT4Innovations za účelem urychlení jejich běhu i v případě zpracovávání velkého množství časových řad zatížených proměnlivou neurčitostí. Cílem tohoto projetu je tedy implementovat algoritmy umožňující efektivní predikování a porovnávání neurčitých časových řad s důrazem na využití paralelizace pro urychlení výpočtu.

Impakt navrhovaného projektu

Z hlediska projektů řešených v rámci VP1 IT4I je toto téma velice důležité. V rámci řešení projektů jako je RODOS či FLOREON se objevuje velké množství nejistotou zatížených časových řad, jejichž chování je třeba analyzovat a predikovat. Například v rámci digitálního modelu mobility v projektu RODOS je třeba provádět krátkodobou predikci na velkém množství časových řad se známou a časově proměnlivou nejistotou. Tuto predikci lze buď provádět přímo, nebo za pomocí nalezení vzorů chování časové řady a jejich porovnání se současnou situací. Proto je z hlediska projektů řešených v rámci VP1 IT4I nezbytné navrhnout a implementovat metody, které umožní s těmito neurčitými časovými řadami efektivně pracovat a provádět jejich predikce v co nejmenším čase.
Aktuálnost tématu lze také doložit publikací několika článků, které se zabývaly různými metodami určenými pro predikce časových řad zatížených neurčitostí. Například Barajaras a Cristán [1] používají k porovnávání neurčitých časových řad Bayesovský neparametrický přístup. V článku napsaném Dimem a dalšími [2] je pro predikci využito kombinace metod zpracování signálu a neuronových sítí. Pulido, Castillo a Melin [3] používají Particle Swarm Optimization pro omptimalizaci ansámblu neuronových sítí provádějícího predikci. Jin Dong a další [4] využívají pro predikce energetických časových řad Kalmánův filtr v kombinaci s bázovou funkcí nejistoty. Kuilin Chen a Jie Yu [5] zase pro predikci kombinují unscented Kalmánův filtr a support vector machine. Použitelnost metod z oblasti dynamických systémů dokumentuje například článek napsaný Křížem [6], který demonstruje možnosti predikce časové řady "0-1" testem na chaos. Tyto a další články společně s poznatky získanými v předcházejícím projektu SGS představují kvalitní základ pro další výzkum a lze na ně dále navázat. Vypracování tohoto projektu bude vyžadovat znalosti v oblasti aplikované statistiky, modelování dynamických systémů, machine learningu a paralelizace algoritmů.

[1] Luis E. Nieto-Barajas a Alberto Contreras-Cristán, „A Bayesian Nonparametric Approach for Time Series Clustering“, Bayesian Analysis 9, Number 1, 2014, pp. 147–170, ISSN 1931-6690.
[2]  Chongli Di, Xiaohua Yang, Xiaochao Wang, „A Four-Stage Hybrid Model for Hydrological Time Series Forecasting“, PLoS ONE Volume 9(8), 2014, doi:10.1371/journal.pone.0104663
[3] Martha Pulido, Patricia Melin, Oscar Castillo, „Particle swarm optimization of ensemble neural networks with fuzzy aggregation for time series prediction of the Mexican Stock Exchange“, Information Sciences, Volume 280, 2014, pp. 188-204, ISSN 0020-0255.
[4] Jin Dong; Xiao Ma; Djouadi S.M.; Husheng Li; Yilu Liu, „Frequency Prediction of Power Systems in FNET Based on State-Space Approach and Uncertain Basis Functions“, in Power Systems, IEEE Transactions on , vol.29, no.6, 2014, pp.2602-2612, doi: 10.1109/TPWRS.2014.2319057
[5] Kuilin Chen, Jie Yu, „Short-term wind speed prediction using an unscented Kalman filter based state-space support vector regression approach“, Applied Energy, Volume 113, 2014, pp. 690-705, ISSN 0306-2619.
[6] Radovan Kříž, „Chaos in Nitrogen Dioxide Concentration Time Series and Its Prediction“, Proceedings of Nostradamus 2014: Prediction, Modeling and Analysis of Complex Systems, Advances in Intelligent Systems and Computing vol. 289, 2014, pp. 365-376, ISSN 2194-5357.
Členové řešitelského týmuBc. Jiří Cága
Ing. Jiří Hanzelka
Ing. Tomáš Martinovič, Ph.D.
Bc. Dominik Pecuch
Ing. Lukáš Rapant, Ph.D.
Ing. Martin Rusek
Ing. Kateřina Slaninová, Ph.D.
Bc. Michal Štěpán
Bc. Jakub Vašica
Specifikace výstupů projektu (cíl projektu)Řešitelský tým a jeho výstupy:

Ing. Kateřina Slaninová, Ph.D. - garant
Ing. Lukáš Rapant
Ing. Tomás Martinovič
Ing. Jiří Hanzelka
Bc. Michal Štěpán
Bc. Martin Rusek
Bc. Jiří Cága
Bc. Jakub Vašica
3x Mgr. student (09-12/2016)

Rapant L., Slaninová K., Martinovič J., Ščerba M., Hájek M., „Comparison of ASIM Traffic Profile Detectors and Floating Car Data During Traffic Incidents“, Proceedings of 14th International Conference on Computer Information Systems and Industrial Management (CISIM 2015), Warsaw, pp. 120-131, Poland, 2015, DOI: 10.1007/978-3-319-24369-6_10.
Tomis R., Martinovič J., Rapant L., Slaninová K., Vondrák I., „Time-Dependent Route Planning for the Highways in the Czech Republic“, Proceedings of 14th International Conference on Computer Information Systems and Industrial Management (CISIM 2015), Warsaw, pp. 145-153, Poland, 2015, DOI: 10.1007/978-3-319-24369-6_12.
Dubec P., Plucar J., Rapant L., „Case Study of Evolutionary Process Visualization Using Complex Networks“, Proceedings of Nostradamus 2013, Ostrava, Advances in Intelligent Systems and Computing 210, pp. 125-135, 2013, ISSN 2197-5357.
Martinovič J., Slaninová K., Vojáček L., Dráždilová P., Dvorský J., Vondrák I., „Effective Clustering Algorithm for High-Dimensional Sparse Data Based on SOM“, Neural Network World, Vol. 23, no. 2, pp. 131-147, Czech Republic, 2013, ISSN 1210-0552.
Kocyan T., Martinovič J., Dráždilová P., Slaninová K., „Recognizing Characteristic Patterns in Distorted Data Collections“, In 25th European Modeling and Simulation Symposium, EMSS 2013, Brusel, Elsevier, pp. 238-243, 2013, ISBN 978-88-97999-22-5

Cíle projektu a očekávané výstupy:

Cílem projektu je na základě state-of-the-art navrhnout a implementovat algoritmy pro predikci a porovnávání v časových řadách zatížených proměnlivou neurčitostí a zefektivnit jejich běh pomocí paralelizace. V rámci řešení bude využito výsledků předchozího projektu SGS SP2015/114 „Využití HPC pro analýzu časových řad zatížených neurčitostí“ a budou navrženy a implementovány další výše zmíněné metody. Větší důraz oproti minulému projektu bude kladen na paralelní implementaci algoritmů a jejich použitelnost v řešení reálných problémů. Implementované algoritmy budou prezentovány prostřednictvím příspěvků na konferencích nebo v časopisech indexovaných v databázích Web of Science a Scopus. Cílem je publikace dvou až tří takovýchto příspěvků. Tyto algoritmy budou navrženy tak, aby mohly být začleněny do existujících řešení v rámci VP1 IT4I jako je digitální model mobility v projektu RODOS, optimalizace přeprav v projektu ANTAREX či srážkový model v projektu FLOREON.

Postup řešení
 
Postup vypracování projektu lze shrnout do následujících dílčích cílů. Prvním postupným cílem je aktualizace rešerše v oblasti práce s časovými řadami zatíženými nejistotou vypracované v rámci přechozího projektu se zaměřením na predikce v takovýchto časových řadách. Tento postupný cíl bude splněn v březnu. Po splnění tohoto dílčího cíle bude následovat základní implementace metod vybraných na základě zpracované rešerše (těch, které ještě nebyly implementovány v rámci minulé ho projektu SGS). Tyto metody budou vybrány na základě kvality jejich výstupů a jejich možností jejich paralelizace. Splnění tohoto cíle je naplánováno na červenec. Následovat bude paralelizace těchto metod s cílem urychlení jejich výpočtu a také jejich případná příprava pro nasazení do jednotlivých projektů. Tohoto cíle bude dosaženo v listopadu. V průběhu celého roku pak bude probíhat publikování výstupů z tohoto projektu především paralelních algoritmů a jejich výsledků.

Rozpočet projektu - uznané náklady

NávrhSkutečnost
1. Osobní náklady
Z toho
0,-0,-
1.1. Mzdy (včetně pohyblivých složek)0,-0,-
1.2. Odvody pojistného na veřejné zdravotně pojištění a pojistného na sociální zabezpečení a příspěvku na státní politiku zaměstnanosti0,-0,-
2. Stipendia180000,-180000,-
3. Materiálové náklady15000,-9710,-
4. Drobný hmotný a nehmotný majetek0,-7688,-
5. Služby10300,-0,-
6. Cestovní náhrady125000,-132902,-
7. Doplňkové (režijní) náklady max. do výše 10% poskytnuté podpory36700,-36700,-
8. Konference pořádané VŠB-TUO k prezentaci výsledků studentského grantu (max. do výše 10% poskytnuté podpory)0,-0,-
9. Pořízení investic0,-0,-
Plánované náklady367000,-
Uznané náklady367000,-
Celkem běžné finanční prostředky367000,-367000,-