Top.Mail.Ru
Темпланы
Сайт работает в тестовом режиме. Переход на старую версию сайта.
Размер:
A A A
Цвет: C C C
Изображения Вкл. Выкл.
Обычная версия сайта
Версия для слабовидящих
English version Chinese version Mongolian version
Прием 2026
Мы в социальных сетях
Мультиязычность En | Cn | Mn
Версия для слабовидящих
Мы в социальных сетях
СИБСТРИН
НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ АРХИТЕКТУРНО-СТРОИТЕЛЬНЫЙ УНИВЕРСИТЕТ
Версия для слабовидящих

Задорожный Анатолий Филиппович

№

Шифр

Название проекта.
Код ГРНТИ.
Вид исследования

Кафедра

Научный руководитель

Исполнители

Краткая аннотация

Ожидаемые результаты

Анноти-
рованный отчет
► 2026 год

НАПРАВЛЕНИЕ 1 Информационные технологии, математическое моделирование и методы интерпретации данных
РАЗДЕЛ 3 Методы и алгоритмы идентификации динамических систем
1 1.3.3.3

АНАЛИЗ ЭФФЕКТИВНОСТИ НЕЙРОСЕТЕВЫХ АРХИТЕКТУР LSTM, GRU И TABNET В ЗАДАЧЕ МАТЕМАТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ ИНДИВИДУАЛЬНОГО ТЕПЛОВОГО ПУНКТА

Код ГРНТИ: 20

Вид исследования: Фундаментальное научное исследование

 Кафедра информационных систем и технологий Задорожный А. Ф., канд. техн. наук, заведующий кафедрой Безсмертный Б. В., доцент, 363 ас гр. Выполнен сравнительный анализ моделей LSTM, GRU и TabNet для прогнозирования уставки температуры подачи теплоносителя в индивидуальном тепловом пункте. Эксперименты проведены на реальных данных ИТП, оценка качества выполнена по метрике MAE и времени обучения. Полученные результаты подтверждают эффективность применения TabNet для задач предиктивного управления теплоснабжением. Подготовка 3 главы диссертации.
► 2024 год

НАПРАВЛЕНИЕ 13 Инициативные НИР
2024. НАПРАВЛЕНИЕ 13 Инициативные НИР
1 13.3.2.128

Интеллектуальная система поддержки принятия решений по управлению тепловым режимом зданий.

Код ГРНТИ: 20

Вид исследования: Прикладное научное исследование

 Кафедра информационных систем и технологий Задорожный А. Ф., канд. техн. наук, заведующий кафедрой Безсмертный Б. В., доцент, 363 ас гр. Разработка цифровой модели рассматриваемых работе стационарных теплоэнергетических объектов; построение и исследование устойчивых алгоритмов по прогнозированию динамики на основании входных данных стационарных теплоэнергетических объектов в условиях неполной априорной информации, способных учитывать специфические особенности практических задач. На основании полученных данных цифровой двойник с алгоритмом машинного обучения -ИИ данная модель на практике позволит снизить энергозатраты и снизить теплопотери здания, за счет автоматизации системы теплоснабжения жилых объектов. Скачать