прогнозування значення температури

У  роботі  подано  результати  дослідження  залежності  похибки  прогнозування  значення  температури нейронними  мережами  від  похибки  вимірювання.  Описано  алгоритм  створення  тестових  послідовностей  та  навчання нейронних  мереж.  Наведено  результати  дослідження  залежності  похибки  прогнозування  значення  температури  від мультиплікативної,  нелінійної  та  випадкової  складових  похибки,  а  також  описано  результати  дослідження  залежності похибки прогнозування значення температури від одночасного впливу цих складових.

Викладено  результати  дослідження  залежності  похибки  прогнозування  температури  потоку  води  та повітря  від  кількості  входів  нейронної  мережі  та  перевірки  навченої  нейронної  мережі  на  експериментальних  даних. Наведено  формулу  температурного  перехідного  процесу  та  описано  створення  тестових  послідовностей  для  навчання нейронних мереж. Подано малюнки  та  опис  устав,  за  допомогою  яких  виконано  вимірювання  значень  температурного перехідного процесу. Описано результати проведених експериментальних досліджень.

Викладено результати дослідження залежності похибок прогнозування значення температури із використанням нейронних мереж від розрядності аналогово-цифрового перетворювача. Описано алгоритм створення тестових послідовностей та навчання нейронних мереж. Наведено результати дослідження залежності похибки прогнозування значення температури від кількості входів нейронної мережі та від розрядності АЦП. Подано результати дослідження залежності середньої похибки прогнозування значення температури та залежності абсолютної непевності прогнозування значення температури від розрядності АЦП.

Проаналізовано нейронні мережі як засіб прогнозування значення температури за перехідним процесом. Розглянуто штучний нейрон як основу нейронної мережі. Наведено класифікацію нейронів залежно від функцій, які вони виконують в нейронній мережі, та основні види передавальних функцій нейрона. Подано класифікацію нейронних мереж за критерієм їх архітектури, алгоритму навчання та типу завдань, які вони можуть виконувати. Зроблено висновок, що для розв’язання поставленої задачі оптимальним є застосування нейронної мережі з архітектурою прямого поширення з алгоритмом навчання з вчителем.

Описано результати дослідження похибок прогнозування значення температури із використанням нейронних мереж, алгоритм створення та навчання нейронних мереж. Наведено результати дослідження залежності похибки прогнозування значення температури від кількості шарів у мережі, від кількості входів мережі та від кількості послідовностей для навчання. Дослідження залежності похибки прогнозування температури від кількості входів мережі виконано для двох випадків: за однакового часу вимірювання температури перехідного процесу і за різного.