В работе представлен способ применения статистической математической модели в процессе генерации базы данных для обучения искусственной нейронной сети. Исследование проводилось на примере прогнозирования физико-химических свойств модели многокомпонентной смеси дизельного топлива и водородсодержащего газа. В результате получена нейронная сеть, которая определяет искомые величины с ошибкой 0,2%. Это позволит использовать нейронную сеть в динамических системах оценки загрязнений технологических аппаратов со стороны исследуемой углеводородной смеси без использования сторонних программных продуктов.
Идентификаторы и классификаторы
Архитектура ИНС представлена элементами – входным слоем и тремя простыми полносвязными слоями Dance из открытой библиотеки TensorFlow [7] (рисунок 3). Входной слой принимает 6 входных сигналов, которые поступают в один скрытый слой из 200 нейронов, откликом из него являются два отдельных выходных слоя: первый прогнозирует одно единственное значение – массовый расход смеси, на втором определяется дискретная функция – энтальпия смеси от температуры.
Список литературы
-
Aguel S., Meddeb Z., Jeday M. R. Parametric study and modeling of cross-flow heat exchanger fouling in phosphoric acid concentration plant using artificial neural network // Journal of Process Control. 2019. Vol. 84. P. 133-145.
-
Демин А. М., Науменко А. П. Диагностирование теплообменного оборудования на основе режимных параметров установки гидроочистки дизельных топлив // Омский научный вестник. 2019. № 4. С. 84-88. EDN: AWIPJU
-
Markowski M., Trzcinski P. On-line control of the heat exchanger network under fouling constraints // Energy. 2019. Vol. 185. P. 521-526.
-
Mohanty D. K., Singru P. Fouling analysis of a shell and tube heat exchanger using local linear wavelet neural network // International Journal of Heat and Mass Transfer. 2014. Vol. 77. P. 946- 955.
-
Tang S., He Y.-L., Wang F.-L., Zhao Q., Yu, Y. On-site experimental study on fouling and heat transfer characteristics of flue gas heat exchanger for waste heat recovery // Fuel. 2021. Vol. 296. Р. 120532. EDN: VJJCLJ
-
Капустин В. М., Гуреев А. А. Технология переработки нефти: в 4-х ч. Ч. 2. Физико-химические процессы. Москва: Химия, 2015. 400 с.
-
Шолле Ф. Глубокое обучение на Python. Санкт-Петербург: Питер, 2018. 400 с.
Выпуск
Другие статьи выпуска
Исследуется задача оптимального управления линейно нагруженной системой обыкновенных дифференциальных уравнений с линейными граничными условиями. Получены необходимые условия оптимальности первого порядка, которые позволяют использовать эффективные методы первого порядка для численного решения исследуемой задачи. Приведены результаты решения тестовой задачи и их анализ.
Разработка эффективных алгоритмов анализа сетевых мотивов является актуальным и имеет достаточно большое значение при исследовании социальных, биологических и некоторых других сетей. В статье представлено веб-приложение для подсчёта частот встречаемости подграфов на трех и четырех вершинах в больших сетях, а также для выявления так называемых сетевых мотивов. Веб-приложение реализует функционал системы MFSView и основывается на методе случайного выбора остовных деревьев. Разработанная система построена по типу клиент-серверной архитектуры и использует ряд таких эффективных технологий и фреймворков, как на клиенте - JavaScript и bootstrap, так и на сервере - Django.
В статье рассмотрен алгоритм оптимизации расписания заданий на производстве. На основе плана смены (графика варок) и спецификаций заказов, загружаемых пользователем из файлов, система составляет расписание, состоящее из заданий «Подачи в зону отвешивания», «Отвешивание», «Перемещение в зону временного хранения», «Подача к реактору». Разработка выполнена в рамках заказа компании Unilever.
Некорректная формализация исходной системы при построении математической модели может привести к бесполезной многозатратной работе и, более того, к неверным выводам. Эти модели не могут быть исправлены за счет применения более общих свойств или более сложных конструкций. В статье обсуждаются пути построения адекватных моделей для сложных систем децентрализованного типа, содержащих различные активные элементы со своими интересами и наборами действий. Указаны базовые свойства систем, которые будут соответствовать моделям данного типа. На этой основе можно проводить предварительный отбор подходящей модели конкретной реальной системы.
В данной работе рассматривается применение задачи о назначениях в распределенной вычислительной системе кредитной организации. Постановка задачи для данной системы отличается от классической задачи о назначениях. Разработан итерационный алгоритм решения данной задачи. Проведены вычислительные эксперименты с использование Microsoft Excel.
Предлагается имитационная модель серверного комплекса при распределении вычислительной нагрузки с помощью сервера-балансира. Модель распределения нагрузки между серверами создана в программной среде MATLAB/Simulink/SimEvents/Stateflow. Модель является дискретно-событийной и позволяет учитывать случайный характер моментов возникновения заявок от пользователей и переменную длительность задержек при обработке задач.
Исследуется задача оптимального управления линейно нагруженной системой обыкновенных дифференциальных уравнений с линейными граничными условиями. Получены необходимые условия оптимальности первого порядка, которые позволяют использовать эффективные методы первого порядка для численного решения исследуемой задачи. Приведены результаты решения тестовой задачи и их анализ.
Издательство
- Издательство
- ОмГТУ
- Регион
- Россия, Омск
- Почтовый адрес
- 644050, Российская Федерация, г. Омск, пр-т Мира, д. 11
- Юр. адрес
- 644050, Российская Федерация, г. Омск, пр-т Мира, д. 11
- ФИО
- Корчагин Павел Александрович (Ректор )
- E-mail адрес
- info@omgtu.ru
- Контактный телефон
- +7 (381) 2653407
- Сайт
- https://omgtu.ru/