Для авторов
Найти
Результаты поиска
Найдено результатов: 18.
-
МНОГОЭТАПНЫЙ МЕТОД КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРНЫХ РЕЖИМОВ В СИЛОВОМ КАБЕЛЕ
Н. К. Полуянович, Н. В. Азаров, А. В. Огреничев, М. Н. Дубяго2020-07-20Аннотация ▼Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
электроэнергетических систем на основе таких методов искусственного интеллекта, как
нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
пературы жил СКЛ в режиме реального времени на основе данных системы температур-
ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
кация НС методов и моделей прогнозирования температурных режимов КЛ. Предложен-
ный нейросетевой алгоритм прогнозирования характеристик электрической изоляции был
апробирован на контрольной выборке экспериментальных данных, по которым обучение
искусственной нейронной сети не проводилось. Результаты прогноза показали эффектив-
ность выбранной модели. Для решения задачи прогнозирования ресурса СКЛ была выбрана
сеть с прямым распространением данных и обратного распространения ошибки, т.к. сети
такого типа в совокупности с активационной функцией в виде гиперболического тангенса
являются в некоторой степени универсальной структурой для многих задач аппроксима-
ции, приближения и прогнозирования. Разработана нейросеть для определения темпера-
турного режима токоведущей жилы силового кабеля. Проведен сравнительный анализ
экспериментальных и расчетных характеристик распределений температуры, при этом
исследовались различные нагрузочные режимы работы и функции изменения тока кабеля.
При анализе данных было определено, что максимальное отклонение данных, полученных
от нейросети от данных обучающей выборки, составило менее 2,2 % что является вполне
приемлемым результатом. Модель может быть использована в устройствах и системах
непрерывного диагностирования силовых кабелей по температурным режимам. -
ПРОГНОЗИРОВАНИЕ ТРАЕКТОРИИ ПОЛЕТА ЛЕТАТЕЛЬНОГО АППАРАТА В УСЛОВИЯХ ПОЛНОЙ ПАРАМЕТРИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ
В. В. Косьянчук , В. В. Гласов , Е.Ю. Зыбин , Лиго Тань2021-04-04Аннотация ▼Большинство методов прогнозирования поведения динамических систем основаны на
использовании информации о параметрах их математических моделей. Однако проблемы
нестационарности, нелинейности и неидентифицируемости моделей реальных сложных
систем приводят к тому что, традиционные параметрические методы применимы на
практике только тогда, когда достоверно известны параметры и структура моделей
систем, а неопределенности при постановке задачи существенно ограничены. В статьеописывается оригинальный непараметрический метод прогнозирования траектории поле-
та летательного аппарата в условиях полного отсутствия априорной информации о па-
раметрах его математической модели динамики полета. Предлагаемый метод, в отличие
от аналогичных широко известных, не использует логические или статистические вычис-
ления и не требует своего предварительного обучения или длительной настройки. Он по-
строен только на основе ретроспективного анализа нескольких последовательных значе-
ний пространственных координат летательного аппарата и его сигналов управления, по-
этому не подвержен влиянию модельных ошибок и может быть использован для прогнози-
рования траектории полета летательного аппарата в условиях полной параметрической
неопределенности даже в случае неидентифицируемости модели его динамики полета.
Приведены результаты численного моделирования решения задачи прогнозирования тра-
ектории полета беспилотного летательного аппарата наиболее распространенного типа
квадрокоптера в условиях полной неопределенности параметров его математической мо-
дели. Полученные результаты подтверждают работоспособность разработанного мето-
да и показывают высокие характеристики точности решения задачи и скорости настрой-
ки алгоритма. Описанный подход может быть использован для прогнозирования траекто-
рии движения любого другого транспортного средства (автомобиля, водного судна и т.д.)
при условии линеаризуемости его модели на наблюдаемом интервале времени и наличия
информации о его сигналах управления. Практическая реализация описываемого непара-
метрического метода совместно с традиционными параметрическими позволит повысить
точность прогнозирования траектории полета и решить задачу высокоточной посадки
беспилотного летательного аппарата на активно маневрирующее судно, в том числе, при
возникновении различных критических ситуаций. -
АЛГОРИТМ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ФАКТОРНОГО ПРОГНОЗИРОВАНИЯ РЕСУРСА ИЗОЛЯЦИОННЫХ МАТЕРИАЛОВ СИЛОВЫХ КАБЕЛЬНЫХ ЛИНИЙ
Н. К. Полуянович , М. Н. Дубяго2021-07-18Аннотация ▼Статья посвящена исследованиям термофлуктуационных процессов в соответствии
с теорией теплопроводности для решения задач факторного прогнозирования остаточно-
го ресурса изоляционных материалов на основе неразрушающего температурного метода.
Обоснована актуальность задачи разработки алгоритма для прогнозирования температу-
ры жил СКЛ в режиме реального времени на основе данных системы температурного
мониторинга, с учетом изменения токовой нагрузки линии и внешних условий теплоотвода.
Экспериментальным методом выявлены типы искусственных нейронных сетей, их архи-
тектура и состав, которые обеспечивают максимальную точность прогнозирования при
минимальном наборе значимых факторов. Разработана нейросеть для определения темпе-
ратурного режима токоведущей жилы силового кабеля. Определен минимальный набор
значимых факторов и размерность входного обучающего вектора, который обеспечивает
универсальность нейросетевого метода прогнозирования. Разработана нейросеть для оп-
ределения температурного режима токоведущей жилы заключается в диагностике и про-
гнозировании ресурса электроизоляции (ЭИ) силового кабеля. Модель позволяет оцениватьтекущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Проведен сравни-
тельный анализ экспериментальных и расчетных характеристик алгоритмов обучения
искусственной нейронной. Установлено, что предлагаемый алгоритм искусственной ней-
ронной сети может быть использована для составления прогноза температурного режи-
ма токоведущей жилы, на три часа вперед с точностью до 2,5% от фактического значе-
ния температуры жилы. Основная область применения разработанной нейросети для
определения температурного режима токоведущей жилы заключается в диагностике и
прогнозировании ресурса электроизоляции (ЭИ) силового кабеля. Разработка интеллекту-
альной системы прогнозирования (ИНС) температуры жилы СКЛ способствует планиро-
ванию режимов работы электросети с целью повышения надежности и энергоэффектив-
ности их взаимодействия с объединенной энергосистемой. -
ГИБРИДНАЯ МЕТОДИКА ПРАКТИЧЕСКОЙ РЕАЛИЗАЦИИ СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ ПО ПРИОРИТЕТНОМУ РЕГУЛИРОВАНИЮ
С.А. Ткалич2022-03-02Аннотация ▼Рассматривается задача построения системы принятия решений в рамках автома-
тизированных систем безаварийного управления технологическими процессами на основе
моделей прогнозирования. Представлен анализ моделей и методов прогнозирования аварий-
ных ситуаций. Сформулирована задача разработки методики практической реализации
системы на основе интегрального критерия безаварийного управления, учитывающего
запасы времени на приведение процесса в нормальное состояние (система прогнозирования
аварийных ситуаций) и ресурсную составляющую (система планово-предупредительного
обслуживания). Сделан вывод о целесообразности построения систем принятия решений и
автоматизированных систем управления на основе моделей прогнозирования, как наиболее
перспективного подхода к решению задачи безаварийного управления технологическими
процессами. Принцип построения системы принятия решений основан на использовании
интегрального критерия безаварийного управления. Представлена блок - схема алгоритма
расчёта интегрального критерия безаварийного управления. Предложена гибридная мето-
дика практической реализации подобных систем на основе приоритетного регулирования,
включающего в себя и штатный регулятор. Описана процедура формирования приоритет-
ных регуляторов по данным прогноза. Приведена блок-схема алгоритма приоритетного
регулятора, определяющего критический параметр на основе теории чувствительности.
В случае положительного прогноза на аварию происходит выбор критического параметра
по максимуму коэффициента чувствительности и на штатный регулятор из матрицы
критических значений подается в качестве уставки минимальное или максимальное значе-
ние параметра в зависимости от знака скорости его изменения. Дана структура системы
принятия решения на основе концепции безаварийного управления технологическими про-
цессами. Станция безаварийного управления формирует данные для модуля принятия ре-
шения на основе композиционной модели прогнозирования аварийных ситуаций и инте-
грального критерия безаварийного управления. Приведена блок-схема алгоритма модуля
принятия решения по приоритетному регулированию. -
ОЦЕНКА ВОЗДЕЙСТВУЮЩИХ ФАКТОРОВ И ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ В РЕГИОНАЛЬНОЙ ЭНЕРГОСИСТЕМЕ С УЧЕТОМ РЕЖИМА ЕЕ ЭКСПЛУАТАЦИИ
Н. К. Полуянович , М. Н. Дубяго2022-05-26Аннотация ▼Статья посвящена исследованиям вопросов оценки воздействующих факторов и про-
гнозирования электропотребления в региональной энергосистеме с учетом режимов ее
эксплуатации. Проведен анализ существующих методов прогнозирования энергопотребле-
ния. Обоснован выбор метода прогнозирования с использованием искусственной нейронной
сети. Рассмотрен алгоритм создания нейросети для краткосрочного прогноза электриче-
ской нагрузки. Актуальность работы обусловлена требованиями действующего законода-
тельства к прогнозированию электропотребления для решения задачи поддержания балан-
са мощностей между генерирующей стороной и потреблением электрической энергии.
При этом одной из основных задач, связанных с генерацией электрической энергии и ее
потреблением, является задача поддержания баланса мощностей. С одной стороны, при
увеличении плановой нагрузки могут возникнуть перебои в поставке электроэнергии, с дру-
гой стороны, уменьшение электропотребления приведет так же к уменьшению КПД элек-
тростанций, и в конечном счете – к повышению стоимости на электроэнергию как для
субъекта оптового рынка электроэнергии, так и для конечного потребителя. Разработан-
ная нейросетевая модель (НС) модель сводит задачу краткосрочного прогнозирования
электропотребления к поиску матрицы свободных коэффициентов посредством обучения
на имеющихся статистических данных (активная и реактивная мощность, температура
окружающей среды, дата и индекс дня). Полученная НС модель краткосрочного прогнози-
рования электропотребления участка районной электрической сети 10 кВ, учитывает
факторы: – времени, – метеорологических условий, – отключений отдельных питающих
линий электропередач, – режима работы потребителей электроэнергии. Получены про-
гнозные оценки электропотребления энергосистемы по данным потребляемой электро-
энергии наружной температуры, типу дня и т.д. Модель прогнозирования величины, по-
требляемой активной и реактивной мощности вполне работоспособна, однако на данном
этапе все еще имеет довольно высокий уровень погрешности прогнозирования. Для повы-
шения точности прогнозирования необходимо увеличить базу данных, составляющих обу-
чающую выборку, т.к. на данный момент имеющиеся данные охватывают временной про-
межуток длиной лишь 3–4 месяца. Результаты анализа показали, что наибольшие трудно-
сти вызывает прогнозирование потребления реактивной мощности. -
НЕЙРОКОМПЬЮТЕРНОЕ УПРАВЛЕНИЕ ПРОПУСКНОЙ СПОСОБНОСТЬЮ КАБЕЛЬНЫХ СЕТЕЙ ПОСРЕДСТВОМ УЧЕТА И КОНТРОЛЯ ИХ ПАРАМЕТРОВ
Н.К. Полуянович , Н. В. Азаров , М.Н. Дубяго84-1032025-07-31Аннотация ▼Рассматривается нейрокомпьютерная система прогнозирования ресурса силовой ка-
бельной линии (СКЛ) с использованием нейросетевых технологий. Выбрана аппаратная
модульная реализация нейрокомпьютера (НК) реализованным на базе ПЛИС. Для решения
задачи прогнозирования термических процессов СКЛ принято решение использовать циф-
ровой нейрочип NeuroMatrix NM6404 с переменной структурой из-за их высокой произво-
дительности по сравнению с потребляемой мощностью, высокой степенью универсальности. Для прогнозирования температурных режимов СКЛ была разработана искусственная
нейросеть (ИНС) для определения текущего температурного режима для токоведущей
жилы СКЛ. Выбрана архитектура ИНС для реализации НК системы прогнозирования
температуры СКЛ, позволяющая производить долгосрочное прогнозирование температур
СКЛ в режиме реального времени. Произведен выбор функции активации нейронов ИНС
для реализации НК системы прогнозирования температуры СКЛ, позволяющий проводить
долгосрочный прогноз температур СКЛ без увеличения погрешности при увеличении даль-
ности прогноза. Предложенный нейросетевой алгоритм, выполняющий прогнозирование
характеристик электрической изоляции СКЛ, основанный на методе скользящего окна для
прогнозирования временных рядов, был апробирован на контрольной выборке эксперимен-
тальных данных, не входящих в состав выборки для обучения ИНС. Проведены экспери-
ментальные исследования предлагаемого адаптивного метода прогнозирования, а именно
разработан адаптивный алгоритм и выполнено прогнозирование термических процессов в
изоляции СКЛ от тока нагрузки. Анализ результатов показал, что чем больше время со-
старивания, тем больше разность температур между исходным и состаренным образцом.
При анализе полученных данных было определено, что максимально достигнутое отклоне-
ние данных, полученных от ИНС в ходе эксперимента от данных в составе обучающей
выборки, составило менее 3% что является вполне приемлемым для данного исследования
результатом. Показано, что разрабатываемые методы и алгоритмы являются элемен-
тами комплексной системы управления энергосетью, а разработанная адаптивная НК
модель позволяет проводить оценку текущего состояния изоляции и прогнозировать ос-
таточный ресурс СКЛ. -
МЕТОДИКА ОПРЕДЕЛЕНИЯ И АНАЛИЗА ТЕХНИЧЕСКИХ ХАРАКТЕРИСТИК ТЕХНОЛОГИЧЕСКИХ ТРЕНДОВ
М.С. Анферова , А.М. Белевцев , В. В. Дворецкий2025-01-30Аннотация ▼Стремительный рост научных знаний и постоянно растущий объем научных публикаций
создают серьезные проблемы для выявления новых тенденций и понимания меняющегося исследо-
вательского ландшафта. Формирование технологических трендов необходимо для разработки и
построения дорожных карт развития на национальном, отраслевом и корпоративном уровнях.
Задача определения технологических трендов является важной проблемой в области анализа дан-
ных и машинного обучения. Известные методы анализа, включающие кластеризацию по времен-
ному фактору, позволяют сформировать ключевые фразы, но задача формирования трендов, ис-
следования их характеристик и динамики их развития не имеют в настоящее время удовлетвори-
тельного решения. Решение этой задачи предполагает: – создание методики перехода от ключе-
вых фраз к непосредственно названию новых технологических трендов; – определение закономер-
ности, развития технологий в заданной предметной области; – определение направления разви-
тия будущих исследований. Решение этих задач позволит создать эффективный инструмент
поддержки принятия решений, уменьшить время выявления тренда, оценки динамики его разви-
тия и построения дорожных карт. В представленной работе предлагается новый подход к фор-
мированию технологических трендов. Метод основан на алгоритмах машинного обучения и мето-
дах обработки естественного языка и направлен на преодоление некоторых ограничений тради-
ционных методов. В частности, методика позволяет выявить сложные взаимосвязи между раз-
личными научными концепциями и обеспечивает более точный и всесторонний способ выявления
трендов. Проведен анализ методов и способов выявления трендов научно-технологического раз-
вития и их развития на основе ключевых слов, выявленных с помощью модели, использующей кла-
стеризацию по времени. Предложен алгоритм выявления трендов. -
ПОСТРОЕНИЕ МОДЕЛИ И ОЦЕНКА ЕЕ РОБАСТНОСТИ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ ДЛЯ ПОТРЕБИТЕЛЕЙ С АДДИТИВНЫМИ ПРОФИЛЯМИ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ
Н.К. Полуянович , О. В. Качелаев , М. Н. Дубяго2025-01-30Аннотация ▼Рассматривается построение робастностой модели, оценка ее точности в задачах прогнози-
рования электрической нагрузки с аддитивными профилями потребления. Проведено исследование
влияния параметров нейросети (размер пакета данных; количество слоев нейросети; функции акти-
вации нейронов; оптимизаторы) на погрешность прогнозирования электропотребления. Приведены
графики сравнения профилей фактического и прогнозного потребления и отклонения прогноза для
потребления электроэнергии выше среднего значения за рассматриваемый период. Подобраны оп-
тимальные параметры прогностической нейросетевой модели в ручном режиме. Результат иссле-
дования разновидностей генетических алгоритмов выявил оптимальный гибридный алгоритм обуче-
ния нейросетевой модели основании на быстрой сходимости решения. Проведено тестирование
созданного на языке “Python” алгоритма подбора гиперпараметров сети на данных об электропо-
треблении с различными характерами потребления электроэнергии. Проведенное обучение и тести-
рование генетического алгоритма подтвердило возможность получения прогнозов большей точно-
сти и возможность автоматизации подбора оптимальных гиперпараметров. В задачах прогнозиро-
вания электропотребления с использованием нейросетевой модели, независимо от способа создания
структуры, подобрана оптимальная метрика. Выявлено, что для потребителей с аддитивными
профилями потребления электроэнергии целесообразно использовать робастную функцию потерь
Хьюбера, в то же время, для потребителей с цикличным или имеющим закономерности профиле
потребления электроэнергии применение скользящего окна увеличивает ошибку, в отличии от адди-
тивных потребителей. Показано, что применение генетического алгоритма значительно увеличива-
ет точность прогнозирования благодаря индивидуальному подбору оптимальных параметров для
конкретного потребителя. Разработана структурная схема интеллектуального устройства про-
гнозирования режимов энергопотребления. Введена система помощи принятия решений, позволяю-
щая реализовать планово-упреждающее управление, основываясь на данных, снимаемых со счетчика
электроэнергии и полученных в результате работы нейросетевой модели прогнозирования. Система
помощи принятия решений производит расчет отклонения прогнозных величин потребленной мощ-
ности от фактических и как результат – выдает рекомендации диспетчеру распределительных
энергосетей. На основании данных от системы помощи принятия решений оператор распредели-
тельных энергосетей может принимать решение о заказе необходимого объема электроэнергии,
получает возможность контролировать возможные всплески и снижения потребления электро-
энергии у потребителя, ненормированную работу оборудования, а также дополнительно контроли-
ровать адекватность работы нейросетевой модели -
АНАЛИЗ И ВЫБОР МЕТОДИКИ В РЕШЕНИИ ЗАДАЧ ИНТЕЛЛЕКТУАЛИЗАЦИИ СИСТЕМ ПРОГНОЗИРОВАНИЯ ТЕРМОФЛУКТУАЦИОННЫХ ПРОЦЕССОВ В КАБЕЛЬНЫХ СЕТЯХ
Н.К. Полуянович, М.Н. Дубяго2020-07-20Аннотация ▼Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
электроэнергетических систем на основе таких методов искусственного интеллекта, как
нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
пературы жил СКЛ в режиме реального времени на основе данных системы температур-
ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
кация НС методов и моделей прогнозирования температурных режимов КЛ. Для решения
задачи прогнозирования ресурса СКЛ была выбрана сеть с прямым распространением дан-
ных и обратного распространения ошибки, т.к. сети такого типа в совокупности с акти-
вационной функцией в виде гиперболического тангенса являются в некоторой степени уни-
версальной структурой для многих задач аппроксимации, приближения и прогнозирования.
Разработана нейросеть для определения температурного режима токоведущей жилы
силового кабеля. Проведен сравнительный анализ экспериментальных и расчетных харак-
теристик распределений температуры, при этом исследовались различные нагрузочные
режимы работы и функции изменения тока кабеля. При анализе данных было определено,
что максимальное отклонение данных, полученных от нейросети от данных обучающей
выборки, составило менее 2,5 % что является вполне приемлемым результатом. Для по-
вышения точности необходимо использовалось большое количество входных и выходных
данных при обучении сети, а также некоторая доработка ее структуры. Модель позволя-
ет оценивать текущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Модель
может быть использована в устройствах и системах непрерывного диагностирования
силовых кабелей по температурным режимам. -
ПРОГНОЗИРОВАНИЕ ОТКАЗОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ФАКТОРНОГО АНАЛИЗА
Е.С. Подоплелова213-2232025-07-24Аннотация ▼Рассматривается применение метода оценки рисков, основанного на объединении методологии FMEA (failure mode and effect analysis) – анализ рисков и последствий отказа и методов многокритериального принятия решений MCDM (Multiple Criteria Decision Making). Такой подход позволяет учитывать как экспертные знания, так и исторические данные о работе оборудования. Методы MCDM обрабатывают оценку более гибко в сравнении со стандартным способом расчета приоритетного числа риска (ПЧР), что помогает качественнее оценить риски по трем критериям: вероятность возникновения, сложность обнаружения и тяжесть последствий. Один из критериев возможно получить не только через оценку экспертом, но и на основе данных, фиксирующих работу оборудования. На примере синтетических данных из открытого доступа о режимах работы производственного оборудования был опробован данный подход. Задача заключалась в прогнозировании как самого отказа, так и его вида, а также выявлении факторов, сильнее всех оказывающих влияние на отказ. Для этого проводилась предобработка данных, в ходе которой потребовалось устранить дисбаланс классов. Существует несколько подходов к решению этой проблемы, направленные на сокращение преобладающего класса, либо генерацию экземпляров слабо представленных классов. В этом примере использовалось сокращение количества записей не имеющих ошибок случайным образом. Далее, в качестве алгоритмов классификации сравнивались AdaBoost, Random Forest и LinearSVC. Так как требовалась многоклассовая классификация, было решено использовать стратегию «one-vs-the-rest» (один против всех). В итоге удалось добиться точности прогнозирования по F-мере в 86% алгоритмами AdaBoost и Random Forest. LinearSVC оказался неэффективным. Таким образом, полученная модель прогнозирования распознает разные виды ошибок, но существует перспектива к улучшению, для чего требуется более объемная выборка, включающая больше примеров с разными видами отказа. Исходя из этого, такой подход как альтернатива экспертной оценки является перспективным, улучшая объективность, а также давая возможность предвидеть риски и не допустить реального отказа или инцидента, связанного с риском.
-
ИДЕНТИФИКАЦИЯ КЛЮЧЕВЫХ ТЕХНОЛОГИЙ НА ОСНОВЕ СБОРА И АНАЛИЗА ДАННЫХ ИЗ ОТКРЫТЫХ РУССКОЯЗЫЧНЫХ ИСТОЧНИКОВ
А.Г. Бондаренко , А.Г. Кравец144-1592025-07-24Аннотация ▼Данная статья посвящена разработке и апробации нового подхода к сбору, обработке и анализу открытых данных на русском языке для идентификации ключевых технологических направлений. Для решения задачи формирования и последующего анализа структурированных датасетов разработаны и программно реализованы методы веб-скрейпинга, обработки естественного языка и анализа временных рядов. Описанный в статье подход впервые применен для извлечения и структурирования информации из научных статей, новостных ресурсов и патентной документации на русском языке. В результате анализа полученного датасета научных публикаций выделены 30 наиболее часто упоминаемых биграмм и столько же триграмм технологических терминов.
На основе анализа частотности биграмм и триграмм выделены ключевые технологические термины, которые затем использованы для комплексной фильтрации по ключевым технологиям. Комплексная фильтрация позволила осуществить поиск русскоязычных патентов и их сбор для дальнейшего анализа. В результате предварительной обработки полученной патентной информации сформированы временные ряды патентной активности. Программная система идентификации ключевых технологий реализована на JavaScript и Python с использованием библиотек Selenium и BeautifulSoup для веб-скрейпинга, NLTK и Scikit-learn для обработки и анализа текстовых данных. Исследование динамики развития ключевых технологий во времени позволило выявить периоды интенсивной патентной деятельности и снижения интереса к той или иной технологии. Результаты, изложенные в статье, создают основу для дальнейшей разработки методов машинного обучения с целью прогнозирования технологического развития и выявления перспективных направлений прикладных исследований. -
ИНТЕГРАЦИЯ РЕКУРРЕНТНОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ПОВЫШЕНИЯ ОТКАЗОУСТОЙЧИВОСТИ МОДЕЛИ ВЛАГОПЕРЕНОСА В СИСТЕМЕ «УМНЫЙ САД»
С.С. Обаид , В.А. Погонин , И.Б. Кирина284-2972025-10-01Аннотация ▼Представлено исследование по разработке и интеграции рекуррентной нейронной сети (RNN) для повышения точности и отказоустойчивости модели влагопереноса в системе «Умный сад». Проблема контроля влажности почвы становится особенно актуальной в современных условиях сельского хозяйства и экологического мониторинга, где требуется высокая точность для управления водными ресурсами, прогнозирования урожайности и предотвращения засушливых периодов. Традиционные методы, такие как дистанционное зондирование и модели влагопереноса, имеют существенные ограничения: низкая точность, сложность вычислений, зависимость от точных данных сенсоров и сложность применения в реальных полевых условиях. Для решения этих проблем в исследовании предлагается использование RNN, способной эффективно обрабатывать временные ряды данных и прогнозировать влажность почвы даже при наличии неполных, неточных или искажённых входных данных. В качестве исходных данных использованы глобальный датасет влажности почвы GSSM и погодные данные платформы Meteostat, что позволило учесть климатические особенности регионов с разными типами почвы. Модель включает слой долговременной краткосрочной памяти (LSTM) и полносвязный слой для финального прогнозирования. Особое внимание уделено предобработке данных, включая расчёт среднедневных, среднемесячных и среднегодовых значений, а также коррекцию данных с учётом характеристик различных типов почв. Проведённое исследование показало, что разработанная модель RNN обладает высокой устойчивостью к сбоям в работе сенсоров, минимальной зависимостью от объёма входных данных и способностью адаптироваться к разным климатическим и почвенным условиям. Предлагаемое решение позволяет улучшить точность мониторинга влажности почвы в системе «Умный сад», оптимизировать использование водных ресурсов и повысить стабильность работы системы в условиях изменяющихся внешних факторов. Таким образом, интеграция RNN открывает новые возможности для развития сельского хозяйства и экологии, обеспечивая более эффективное управление водными ресурсами и повышение производительности агросистем
-
МОДУЛЬ ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ ПРЕОБРАЗОВАТЕЛЕЙ ПО ЗАДАННЫМ АМПЛИТУДНО-ЧАСТОТНЫМ ХАРАКТЕРИСТИКАМ
В.И. Шлаев93-1032025-11-10Аннотация ▼Рассматривается решение задачи разработки преобразователей по заданным амплитудно-частотным характеристикам. Основная проблема заключается в проведении большого количества измерительных мероприятий с изменением параметров преобразователей для достижения необходимых амплитудно-частотных характеристик, что приводит к большим временным и ресурсным затратам на разработку. Проводится анализ основных параметров преобразователей, влияющих на заданные амплитудно-частотные характеристики. Анализируются существующие подходы, методы и алгоритмы при создании преобразователей требуемых характеристик. Описывается разработка модуля прогнозирования параметров электромеханических преобразователей, основанного на заданных амплитудно-частотных характеристиках. Задачи исследования включают создание структурно-параметрической и математической моделей для расчета характеристик преобразователей на стадии проектирования. Описывается алгоритм обучения модели на основе экспериментальных данных, полученных в ходе проведения измерений. Использование методов машинного обучения для предсказания параметров приводит к минимизации количества проводимых экспериментов и снижению затрат на разработку преобразователей. Предложенный подход основывается на использовании зависимости между конструктивными параметрами преобразователей и их частотными характеристиками. Для повышения точности прогнозирования применяется алгоритм градиентного бустинга. Представлены этапы подготовки данных для обучения модели. Описывается процесс обучения модели. Результаты демонстрируют значительное сокращение времени моделирования преобразователей: применение модуля позволяет ускорить процесс в несколько раз по сравнению с экспериментальным подходом. Прогнозирование характеристик на основе модели обеспечивает сопоставимую точность при большем объеме данных. Выводы исследования подтверждают эффективность предлагаемого подхода в разработке преобразователей, снижая временные и финансовые затраты, повышая точность моделирования и применимость в условиях ограниченных ресурсов
-
ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ ПАРАМЕТРИЧЕСКОГО ПРОГНОЗИРОВАНИЯ И ОПТИМИЗАЦИИ ТРАЕКТОРИИ ДВИЖЕНИЯ БАС
В.И. Данильченко , В.В. Бова263-2762025-12-30Аннотация ▼Рассматривается задача интеллектуального параметрического прогнозирования и оптимизации траектории движения беспилотной авиационной системы (БАС) с применением эволюционных алгоритмов и методов машинного обучения. Актуальность исследования обусловлена многокритериальностью и высокой сложностью процессов формирования траектории движения БАС, а также необходимостью точной и своевременной оценки её полётных параметров. Это особенно важно для обеспечения надёжности, безопасности и эффективного выполнения полётных задач в условиях эксплуатации БАС, включая сценарии, связанные с функционированием критически значимых объектов инфраструктуры. Цель исследования заключается в повышении точности диагностики траекторных параметров и надёжности параметрического прогнозирования траекторий движения БАС в условиях неопределённости и многокритериальности рассматриваемой задачи. В работе предлагается гибридный подход, включающий генетический алгоритм (ГA), алгоритм роя частиц (PSO) с моделью машинного обучения XGBoost, обеспечивающей адаптивную оценку качества формируемых решений. Реализован вычислительный программный комплекс, включающий механизмы селекции, рекомбинации, мутации и элитного наследования, а также модуль машинного обучения для валидации траектории маршрута и связанных параметров. Проведён вычислительный эксперимент, в рамках которого выполнен сравнительный анализ эффективности GA и PSO при различных сценариях их работы. Тестирование выполнялось на отраслевых наборах данных при различном количестве итераций. В ходе вычислительного эксперимента выявлено преимущество генетического алгоритма, а именно повышение качества проектных решений на 14–17%. Результаты исследования демонстрируют высокую адаптивность и практическую применимость в задачах моделирования, параметрического прогнозирования и маршрутизации, а также указывают на потенциал интеграции с интеллектуальными системами навигации и мониторинга БАС. Материалы статьи представляют практический интерес для специалистов в области разработки и эксплуатации БАС, а также для исследователей, занимающихся задачами многокритериального планирования маршрутов, параметрического прогнозирования и повышения надёжности функционирования БАС.
-
МЕТОД ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ, ОСНОВАННЫЙ НА КОГНИТИВНОМ НЕЧЕТКОМ МОДЕЛИРОВАНИИ И РЕГРЕССИОННОМ АНАЛИЗЕ
А.И. Гусева , Р.М. Романов157-1782025-12-30Аннотация ▼Актуальность исследования определяется низкой эффективностью традиционных методов прогнозирования временных рядов в условиях высокой неопределённости и ограниченного объёма данных, характерных для слабо формализованных систем. Цель работы заключается в разработке и обосновании метода прогнозирования временных рядов на основе гибридного подхода, объединяющего когнитивное нечеткое моделирование, регрессионный анализ и метод аналитических сетей. В рамках исследования проведён системный обзор и сравнительный анализ существующих методов прогнозирования, включая подходы на основе нечеткой логики, нейросетевого и когнитивного моделирования, ансамблевых и гибридных методов, и выявлены их ограничения при работе с малыми выборками, нелинейными зависимостями и неопределённостью. Разработанный метод включает: построение нечетких когнитивных карт, дефаззификацию лингвистических оценок, кластеризацию факторов, применение метода аналитических сетей для определения приоритетов и формирование взвешенной регрессионной модели. Модель проходит статистическую валидацию по метрикам , , и , а также проверку предпосылок регрессионного анализа, включая тесты на мультиколлинеарность и автокорреляцию. Применение метода обеспечило снижение с 0,38 до 0,22, с 0,30 до 0,18 и с 11,65 % до 7,12 %, что подтверждает повышение точности и устойчивости прогнозов при ограниченном объёме данных по сравнению с классической многофакторной регрессией. Новизна разработанного метода заключается в интеграции когнитивного моделирования, регрессионного анализа и метода аналитических сетей, при которой преимущества каждого компонента компенсируют их индивидуальные ограничения, обеспечивая более точное и устойчивое прогнозирование в условиях неопределённости исследуемой системы. Практическая значимость работы состоит в возможности применения предложенного метода для поддержки принятия решений и повышения обоснованности прогнозов в различных предметных областях и ситуациях, где имеется ограниченный объёма наблюдений, а существенную роль играют экспертные оценки, а также сложная структура причинно-следственных связей между показателями во времени
-
СОВРЕМЕННЫЕ ПОДХОДЫ К МОНИТОРИНГУ И ПРОГНОЗИРОВАНИЮ ПРИРОДНЫХ ПОЖАРОВ: ОБЗОР И КОНЦЕПЦИЯ АВТОНОМНОЙ СИСТЕМЫ НА БАЗЕ БПЛА
Н.Д. Болдырев , В. В. Гилка , А.С. Кузнецова , Д.А. Морозов58-802025-12-30Аннотация ▼Природные пожары ежегодно наносят серьёзный урон экосистемам, экономике и безопасности населения, а своевременное обнаружение возгораний и прогнозирование их развития повышает оперативность реагирования на угрозу и позволяет оптимально распределять ресурсы при ликвидации чрезвычайных ситуаций (ЧС). Существующие методы мониторинга ограничены скоростью обнаружения очагов возгорания и оперативностью их дальнейшего распростанения, что снижает эффективность действий спасательных служб. Для решения данной проблемы могут использоваться гетерогенные источники данных, включая беспилотные летательные аппараты (БПЛА), распределённые датчиковые сети, мобильные комплексы полевого наблюдения, наземные тепловизионные станции и т.д., которые могут способствовать проведению более точного анализа текущей обстановки и повышению достоверности прогнозных моделей распространения пожаров. Целью исследования стала разработка концепции автоматизированного подхода к мониторингу и прогнозированию природных пожаров на основе беспилотных летательных аппаратов. Мы считаем, что такой подход сумеет повысить оперативность обнаружения очагов возгорания и точность прогнозирования их распространения. Задачи включают анализ существующих методов мониторинга, формирование концепции системы, интегрирующей многоспектральную съёмку, оптимизированную передачу данных, автоматическую сегментацию и прогнозирование на основе машинного обучения, а также обеспечивающей взаимодействие оператора и специалистов по оповещению. В работе использовались методы сбора, анализа и передачи данных с БПЛА, обработка многоспектральных изображений, машинное обучение и нейронные сети для детекции очагов возгорания, алгоритмы сегментации изображений и имитационное моделирование для прогнозирования распространения огня, визуализация данных для поддержки принятия решений оператором и администратором, логирование и анализ результатов для обучения моделей, программная инженерия и технологии человеко-машинного взаимодействия. Система сократит время обнаружения и прогнозирования пожаров, предоставит возможность оператору запускать несколько дронов одновременно и автоматизирует обработку получаемых с них данных. Автоматизация процессов позволит сократить время реакции на ЧС и численность персонала, улучшить распределение ресурсов, повысить точность прогнозов и своевременность информирования экстренных служб. Это поможет снизить ущерб от природных пожаров и повысить безопасность населения и экосистем. Несмотря на существующие успехи, достигнутые в решении этой задачи, комплексная система, концепция которой описывается в данной статье, пока не существует в полной мере ни в России и странах СНГ, ни в западных и азиатских странах. Хотя отдельные компоненты, такие как БПЛА для мониторинга и искусственный интеллект (ИИ) для анализа данных, уже активно используются, интегрированного решения, которое бы объединяло все элементы (управление дронами, прогнозирование распространения огня в режиме, приближенном к реальному времени, передача данных и взаимодействие с экстренными службами), на данный момент нет. Эта концепция представляет собой новый подход, который может стать прорывной технологией для борьбы с природными катастрофами
-
АНАЛИЗ ДОСТОВЕРНОСТИ ОЦЕНКИ ПРИОРИТЕТОВ ТЕХНОЛОГИЧЕСКИХ ТРЕНДОВ В УСЛОВИЯХ СВЯЗНОСТИ КРИТЕРИЕВ И ТЕХНОЛОГИЙ
А. М. Белевцев , А.А. Белевцев , В.А. Балыбердин47-582025-12-30Аннотация ▼В настоящее время значительное внимание в развитых зарубежных странах уделяется вопросам развития и использования в военной сфере концепции сетецентрического управления (СЦУ). Концепция определяет архитектуру системы проведения операций в виде взаимоувязанных в единую систему трёх видов сетевых структур: разведки и наблюдения, информационно-управляющей, средств поражения. Анализ показывает, что существенную роль в сетевой структуре разведки и наблюдения (называемой также сенсорной решеткой) играют радиолокационные системы и комплексы (РЛК). Отмечается, что в настоящее время значительные усилия предпринимаются в целях разработки качественно нового поколения РЛС на базе исследований по созданию новых технологий в таких областях, как наноэлектроника, микро- и наноэлектромеханическая техника (MEMS/NEMS), наносистемы, функциональные материалы и наноматериалы, построение больших информационных коммуникационных сетей. В этой связи вопросы прогнозирования направлений развития новых технологий создания перспективных радиолокационных систем и комплексов военного назначения приобретают существенный интерес. Рассматриваются вопросы повышения достоверности оценок при анализе технологических трендов и технологий на примере развития радиолокационных комплексов (РЛК) для систем СЦУ. В работе предложена процедура формирования иерархической системы критериев, проведен пoэтапный анализ векторов приоритетов на примере создания и развития технологических трендов и технологий радиолокационной составляющей сенсорной решетки СЦУ. Было показано, что наличие взаимосвязей критериев и обратных связей в анализируемых технологических трендах приводит к существенным ошибкам: в определении значений векторов приоритетов и построении дорожных карт создания радиолокационной составляющей сенсорной решетки СЦУ. В результате установлено, что для повышения достоверности прогнозирования необходимо проводить оценку приоритетов в общей схеме развития технологических трендов и технологий на основе метода аналитических сетей
-
РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ ПРОГНОЗИРОВАНИЯ ПОЖАРООПАСНЫХ СИТУАЦИЙ
Сингх Санни, А.В. Прибыльский , Е.Ю. Косенко2025-01-30Аннотация ▼Раннее обнаружение пожароопасных ситуаций является критически важным аспектом
обеспечения безопасности, так как позволяет минимизировать риск материальных и человеческих
потерь. Заблаговременное выявление угроз способствует сохранению материальных ценностей,
уменьшению времени на их восстановление и, что важнее, спасению человеческих жизней. В связи
с этим, предлагается новый подход к прогнозированию пожароопасных ситуаций: алгоритм обу-
чения модели прогнозирования пожароопасных ситуаций, а также алгоритм прогнозирования
пожароопасных ситуация, которые разрабатываются на моделях машинного обучения таких как
рекуррентные нейронные сети, случайный лес, оптимизационные деревья, авторегрессионные
нейронные сети и т.д. В исследовании предлагается рассмотреть алгоритмы прогнозирования
пожароопасных ситуаций, разработанных на основе анализа существующих алгоритмов прогно-
зирования, включая методы на основе машинного обучения, статистические модели и симуляци-
онные подходы, учитывая их преимущества и недостатки, показатели точности. Результаты
исследования разработанных алгоритмов показывают, что они способны с точностью 93.33%
предсказывать значение температуры снаружи датчика на основе тестовых данных с комплекса
взаимосвязанных пожарных датчиков, с ошибками MAE = 1.72, MSE = 2.95 в нештатном режиме
на тестовых данных, и с точностью 92.85% температура внутри датчика, ошибки MAE = 1.66,
MSE = 2.75. Точность на тестовых данных в штатном режиме для температуры снаружи со-
ставили 96.27%, ошибки MAE = 1.22, MSE = 1.48, а точность прогнозирования температуры
внутри составила 96.16%, ошибки MAE = 1.24, MSE = 1.53. Для тестовой выборки в 500 000 от-
счетов, ошибки спрогнозированной температуры снаружи составили: MAE = 1.82, а MSE = 3.31,
а точность составили 91.78%. Ошибки спрогнозированной температуры внутри (temp2_inside)
составили: MAE = 1.89, а MSE = 3.57, а точность составили 91.35%.
1 - 18 из 18 результатов
