دورية أكاديمية
Нейромережеві засоби прогнозування споживання енергоресурсів ; Neural network tools for forecasting energy consumption
| العنوان: | Нейромережеві засоби прогнозування споживання енергоресурсів ; Neural network tools for forecasting energy consumption |
|---|---|
| المؤلفون: | Karpa, D. М., Tsmots, I. H., Opotiak, Yu. V. |
| المصدر: | Науковий вісник НЛТУ України; Том 28 № 5 (2018): Науковий вісник НЛТУ України; 140-146 ; Научный вестник НЛТУ Украины; Том 28 № 5 (2018): Науковий вісник НЛТУ України; 140-146 ; Scientific Bulletin of UNFU; Vol 28 No 5 (2018): Scientific Bulletin of UNFU; 140-146 ; 2519-2477 ; 1994-7836 ; 10.15421/402805 |
| بيانات النشر: | Ukrainian National Forestry University |
| سنة النشر: | 2018 |
| المجموعة: | Scientific Bulletin of UNFU (Ukrainian National Forestry University) |
| مصطلحات موضوعية: | neural network, machine learning, multilayer perceptron, statistical data, data normalization, forecasting, the detection of anomalies, нейронна мережа, машинне навчання, багатошаровий персептрон, статистичні дані, нормалізація даних, прогнозування, виявлення аномалій |
| الوصف: | Досліджено та обґрунтовано вибір нейромережевих структур для оброблення статистичних даних з метою прогнозування та виявлення аномальних показників споживання енергоресурсів. Показано, що системам на основі нейронних мереж завжди протиставлялись експертні системи, які, на відміну від перших, очевидно програмувались. Середовище, в якому працює система, не завжди є статичним і потрібні методи опрацювання даних, які могли б адекватно реагувати на зміну середовища та вміти відповідно адаптувати отримувані результати. Нейронні мережі володіють такою особливістю, як вміння навчатись. Ця особливість і є основним аргументом для застосування таких структур у системах управління енергоефективністю. Розроблена архітектура мережі та застосований процес навчання дав змогу прогнозувати показники спожитої електроенергії з урахуванням багатьох параметрів. Особливістю розробленої архітектури є можливість здійснювати перенавчання у процесі функціонування, не перериваючи його. Використання адаптивного та безперервного навчання нейромережі дасть змогу виявляти аномальні показники даних. Точність такого виявлення було перевірено на реальній вибірці даних. Аналіз отриманих результатів показує, що використання нейронних мереж хоч і потребує швидкодії і часу на навчання, проте, під час класифікації вхідного вектора, швидкодія нейронної мережі перевищує будь-який алгоритм кластеризації. ; The authors in the article present the idea of creating the architecture of the component of the energy efficiency management system. The main idea is to use neural network architectures. For energy efficiency systems, an important task that the neural network can solve is the task of forecasting and detecting abnormal values in the flow of statistical data. Implementation of systems based on neural networks has always been very complicated and expensive, that is why so-called expert systems have been their main rival. They, unlike neural networks, that in fact were self-taught, were programmed. Unfortunately, not so many systems based on neural ... |
| نوع الوثيقة: | article in journal/newspaper |
| اللغة: | Ukrainian |
| العلاقة: | https://nv.nltu.edu.ua/index.php/journal/article/view/1621/1718Test; https://nv.nltu.edu.ua/index.php/journal/article/view/1621Test |
| DOI: | 10.15421/40280529 |
| الإتاحة: | https://doi.org/10.15421/40280529Test https://doi.org/10.15421/402805Test https://nv.nltu.edu.ua/index.php/journal/article/view/1621Test |
| حقوق: | Авторське право (c) 2018 http://creativecommons.org/licenses/by/4.0Test ; https://creativecommons.org/licenses/by/4.0Test |
| رقم الانضمام: | edsbas.3223B075 |
| قاعدة البيانات: | BASE |
| DOI: | 10.15421/40280529 |
|---|