2024 рік

Permanent URI for this community

https://dspace.snu.edu.ua/handle/123456789/1552

Browse

Browsing 2024 рік by Author "Жушма, Є. В."

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Дослідження нейронних мереж для прогнозування матеріальних балансів у нафтопереробній промисловості.
    (СНУ ім. В. Даля, 2024) Рязанцев, О. І.; Кардашук, В. С.; Бортник, К. Я.; Жушма, Є. В.
    У статті досліджено можливості використання нейронних мереж для прогнозування та зведення матеріальних балансів у нафтопереробній промисловості та принципи їх побудови. Зазначено, що прогнозування та зведення матеріальних балансів в даний час є однією з основних областей дослідження у нафтопереробній промисловості, як такі, що відіграють вирішальну роль при ціноутворенні на продукцію в умовах реформування ринку. Точність прогнозу суттєво впливає на економічність завантаження генеруючого обладнання та вартість електроенергії. Недооцінка навантаження може призвести до зниження резервів, а завищення – до необґрунтованого збільшення обертового резерву та ціни на електроенергію. Розглянуті переваги використання нейронних мереж для прогнозування матеріальних балансів в нафтопереробній промисловості. Запропонована архітектура нейронної мережі. Розглянуті можливі варіанти активаційних функцій нейронів та обрана активаційна функція гіперболічного тангенсу, яка найкраще підходить для використання в нейронній мережі для прогнозування матеріальних балансів у нафтопереробній промисловості. Розглянуто метод градієнтного спуску для використання в нейронних мережах для прогнозування матеріальних балансів, як найбільш поширений метод оптимізації першого порядку. Зазначені основні аспекти для оцінки ефективності моделі нейронної мережі в процесі її валідації. Зроблено висновок щодо ефективності прогнозування матеріальних балансів в нафтопереробній промисловості, однак їхня ефективність залежить від кількості даних та обчислювальних ресурсів. Використання нейронних мереж, інспірованих біологічною структурою мозку людини, дозволяє ефективно аналізувати складні системи та адаптуватися до змін у вхідних даних.