Рязанцев, О. І.Кардашук, В. С.Бортник, К. Я.Жушма, Є. В.2025-03-132025-03-132024Дослідження нейронних мереж для прогнозування матеріальних балансів у нафтопереробній промисловості. Рязанцев О. І., Кардашук В. С., Бортник К. Я., Жушма Є. В. Наукові вісті Далівського університету. 2024. №27.https://dspace.snu.edu.ua/handle/123456789/1976У 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.ukнейронні мережіпрогнозуванняматеріальні балансигіперболічний тангенссигмоїдна функціяархітектура нейронної мережіградієнтний спускзворотне поширення похибкихрест-валідаціятестування моделінелінійні залежностіArticle004.023