Интеграция рекуррентных нейронных сетей для повышения эффективности и надежности систем ресурсоснабжения

Капанский, А. А.

В статье приводится передовой метод прогнозирования гидравлического давления в системах ресурсоснабжения. В качестве основного примера рассматривается водопроводная сеть. Особое внимание уделяется повышению точности предсказания гидравлических параметров, используя модели нейронных сетей в технологическом процессе предприятий. В публикации отражается важность получения надежных данных для построения нейронных моделей. С этой целью использовались пьезоэлектрические датчики давления, которые врезались в трубопроводы в местах ответственных потребителей. Эти датчики подключались цифровым устройствам, передавая результаты измерений на вычислительный сервер, где происходило обучение моделей. Для передачи данных использовался облегченный протокол MQTT. Результаты исследования подчеркивают важность инновационных стратегий в управлении ресурсоснабжением, обеспечивая непрерывное обновление прогнозов давления. Использование рекуррентных нейронных сетей позволило значительно снизить ошибки интервального прогнозирования по сравнению с традиционными методами, например, моделью Хольта-Винтерса, с 6,07 до 4,36 %. Показано, что модель долгой краткосрочная памяти способна улавливать падающую динамику давления, даже при малой истории аварийных событий в процессе обучения.

Интеграция рекуррентных нейронных сетей для повышения эффективности и надежности систем ресурсоснабжения

Связанные документы (рекомендация CORE)

Новости проекта

Новости

Партнеры

Индексация