Полное описание

Сравнительный анализ методов построения математических моделей функционирования объекта с применением машинного обучения / В. Н. Клячкин, В. Н. Ковальногов, В. В. Шеркунов, М. Хуссейн. - DOI 10.15827/0236-235X.142.189-195. - Текст : непосредственный // Программные продукты и системы : научный журнал. - 2023. - Том 36, N 2. - С. 189-195. - Библиогр. в конце ст. - ISSN 0236-235X.

ГРНТИ	УДК
28.23	004.8
28.23.25	004.85

Рубрики:
Искусственный интеллект
Машинное обучение
Моделирование

Кл.слова (ненормированные): бустинг деревьев решений -- случайный лес -- метод опорных векторов -- мультиколлинеарность -- регрессионная модель
Аннотация: Предметом данного исследования является технический объект, работа которого определяется множеством факторов, а качество функционирования характеризуется некоторым показателем. Требуется построить математическую модель, связывающую этот показатель со значениями факторов. В качестве примера исследуется влияние различных факторов на эффективность работы горелочных устройств (нагрузки, расхода воздуха, метана и биогаза, составов топлива и окислителя и других). Эффективность (качество функционирования) горелочного устройства оценивается по температуре дымовых газов. Задача решается методами машинного обучения, поскольку классические методы регрессионного анализа показали недостаточную точность. В настоящей статье исследуется эффективность метода опорных векторов, случайного леса и бустинга деревьев решений. Для численных расчетов использована локализованная версия 13.3 системы Statistica. Все три подхода машинного обучения показали существенное повышение точности модели на тестовой выборке. Наилучшие результаты в рассматриваемом примере дал метод бустинга деревьев решений. Рекомендуемая технология построения модели, обеспечивающая необходимую точность прогнозирования, сводится вначале к апробации классического регрессионного анализа (если полученная модель обеспечит необходимую точность, то она предпочтительна с точки зрения ее интерпретируемости). При недостаточной точности используются три рассмотренных метода машинного обучения, вместе с тем важен подбор параметров каждого из них, который, с одной стороны, обеспечивал бы необходимую точность, а с другой - не приводил бы к переобучению модели. Полученная модель может быть использована для оценки влияния различных факторов на эффективность работы технического объекта, а также для прогнозирования качества его функционирования, в частности, температуры дымовых газов.
Доп. точки доступа:
Клячкин, Владимир Николаевич
Ковальногов, Владислав Николаевич
Шеркунов, Вячеслав Владимирович
Хуссейн, Мохамед


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -190909-867983)

Шифр в сводном ЭК: 5418e060964ac134152362ff1bac6b2e

Заказать
Заказ фрагмента документа ₽