Полное описание

Цымблер, М. Л. Очистка сенсорных данных в интеллектуальных системах управления отоплением зданий / М. Л. Цымблер, Я. А. Краева, Е. А. Латыпова, Е. В. Иванова [и др.]. - DOI 10.14529/cmse210302. - Текст : непосредственный // Южно-Уральский государственный университет (национальный исследовательский университет). Вестник Южно-Уральского государственного университета. Серия "Вычислительная математика и информатика" : журнал. - 2021. - Том 10, N 3. - С. 16-36. - Библиогр. в конце ст. - ISSN 2305-9052.

ГРНТИ	УДК
28.23.37	004.89
28.23.25	004.032.26

Рубрики:
Интеллектуальные системы -- Нейронные сети

Кл.слова (ненормированные): умный дом -- температурный датчик -- управление отоплением -- хранилище данных -- очистка данных -- временной ряд -- восстановление пропущенных значений -- поиск выбросов -- обнаружение аномалий -- рекуррентная нейронная сеть
Аннотация: В современных интеллектуальных системах управления отоплением зданий зачастую возникают пропуски значений или выбросы в показаниях температурных и других датчиков ввиду сбоев программного или аппаратного обеспечения либо человеческого фактора. Для обеспечения эффективного анализа данных и принятия решений некорректные данные датчиков следует очищать путем восстановления пропущенных значений и сглаживания выбросов. В данной статье представлен пример SCADA-системы ПолиТЭР для управления отоплением, установленной в Южно-Уральском государственном университете, и описана структура и принципы реализации Модуля очистки данных, внедренного в указанную систему. Модуль очистки данных реализован с помощью технологий интеллектуального анализа данных и нейронных сетей в виде набора следующих подсистем. Препроцессор извлекает необработанные данные из хранилища данных системы и подготавливает обучающий набор данных для дальнейшей обработки. Предиктор представляет собой рекуррентную нейронную сеть для прогнозирования следующего значения датчика на основе его исторических данных. Реконструктор определяет, является ли текущее значение датчика выбросом, и в таком случае заменяет его на синтетическое значение, полученное Предиктором. Наконец, Детектор аномалий в режиме реального времени обнаруживает аномальные промежутки в данных датчика. В вычислительных экспериментах на реальных данных разработанный модуль показал относительно высокую и стабильную точность, а также адекватное обнаружение аномалий.
Доп. точки доступа:
Краева, Я.А.
Латыпова, Е.А.
Иванова, Е.В.
Шнайдер, Д.А.
Басалаев, А.А.


Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
Свободны: ЧЗХР (1), ХРЦ (1)
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -538133-923490)

Шифр в сводном ЭК: b9535f0523db51895e26f89ebc07bfb8

Заказать издание
Заказ фрагмента документа ₽