УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  Ѕрокарев ».ј.
Ќазвание:  »скусственные нейронные сети дл€ решени€ задачи анализа компонентного состава газовых смесей
¬ыпуск:  80
–убрика:  ”правление техническими системами и технологическими процессами
√од:  2019
Ѕиблиографи€:  Ѕрокарев ».ј. »скусственные нейронные сети дл€ решени€ задачи анализа компонентного состава газовых смесей // ”правление большими системами. ¬ыпуск 80. ћ.: »ѕ” –јЌ, 2019. —.98-115. DOI: https://doi.org/10.25728/ubs.2019.80.6
 лючевые слова:  нейросетевой анализ, алгоритм Ћевенберга†Ц ћарквардта, анализ компонентного состава, природный газ
 лючевые слова (англ.):  artificial neural network analysis, Levenberg†Ц†Marquardt algorithm, analysis of the composition, natural gas
јннотаци€:  ѕриведена постановка задачи анализа компонентного состава природного газа. ѕредложено применение статистического метода дл€ решени€ поставленной задачи анализа компонентного состава газа. ќписаны основные этапы разработки статистической модели дл€ анализа компонентного состава природного газа. ѕриведены результаты коррел€ционного анализа, проводимого дл€ выбора входных и выходных параметров дл€ статистической модели. ќписаны основные статистические модели, используемые дл€ решени€ задач анализа компонентного состава газовых смесей. ƒл€ решени€ исследуемой задачи предложено применить искусственные нейронные сети и алгоритм обучени€ Ћевенберга†Ц†ћарквардта. ѕриведено описание алгоритма обучени€ Ћевенберга†Ц†ћарквардта с учетом возможных модификаций данного алгоритма. ќписана архитектура предлагаемой нейросетевой модели дл€ решени€ задачи анализа компонентного состава газа. ѕриведены диапазоны газовых смесей, используемые в обучающей и тестовой выборках. ѕриведены точностные характеристики работы предлагаемой модели. Ќа основе рассчитанных точностных характеристик модели сделан вывод об адекватности применени€ выбранной архитектуры нейросетевой модели. ѕриведены результаты использовани€ предлагаемой нейросетевой модели дл€ получени€ искомого компонентного состава по измерени€м физических параметров газа. ѕриведены дальнейшие направлени€ исследовани€ в области разработки предлагаемого метода анализа компонентного состава природного газа.
јннотаци€ (англ.):  The problem formulation of natural gas composition analysis is described. The statistical method is proposed to use for solving the problem of gas composition analysis. The main stages of the statistical model development for the natural gas composition analysis are described. The results of the correlation analysis for the selection of input and output parameters for the statistical model are presented. The main statistical models that used for solving of the problem of gas mixtures composition analysis are shown. The artificial neural networks and Levenberg†Ц†Marquardt algorithm are used within the study. The description of the Levenberg†Ц†Marquardt training algorithm is given taking into account possible modifications of the algorithm. The architecture of the proposed neural network is described. The gas mixtures ranges that used in the training and test samples are given. The accuracy characteristics of the proposed model are given. It was concluded that the chosen neural network model architecture is adequate, based on the calculated accuracy characteristics of the model. The results of predicting the gas mixtures composition by measurements of gas physical parameters are shown. Further research directions in the development of the proposed method for analyzing the natural gas composition are given.

¬ формате PDF
ќбсудить статью в »нтернет-конференции по проблемам управлени€

ѕросмотров: 154, загрузок: 41, за мес€ц: 15.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены