Архив статей журнала
Рассматривается задача идентификации зависящего от температуры коэффициента теплопроводности вещества в трехмерном случае. Проведено численное исследование устойчивости разработанного алгоритма идентификации коэффициента теплопроводности. Показано, что при решении задачи с помощью алгоритма, основанного на применение методологии Быстрого Автоматического Дифференцирования, возмущение искомого коэффициента теплопроводности имеет тот же порядок, что и вызвавшие его возмущения экспериментальных данных.
В данной статье рассматривается применение нейронных сетей LSTM для прогнозирования потребления электроэнергии. Для обучения и тестирования модели использовались данные о потреблении электроэнергии за несколько лет. Для повышения качества прогнозирования были проведены эксперименты с различными параметрами нейронной сети, такими как число нейронов и глубина истории данных. Результаты показали, что нейронная сеть LSTM обеспечивает высокую точность прогнозирования объемов потребления электроэнергии на основе статистических данных. Эти результаты могут быть полезными для энергетических компаний и государственных органов, занимающихся прогнозированием и планированием энергетических потребностей.