|
DOI: 10.14489/vkit.2025.06.pp.037-046
Коськин А. В., Ломакин В. В., Пензев К. И.
ВЫБОР НЕЙРОСЕТЕВОЙ МОДЕЛИ ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ ДОГОВОРА ТЕПЛОСНАБЖЕНИЯ
(с. 37-46)
Аннотация. В целях повышения контроля и планирования процессов, связанных с управлением договорной работой теплоэнергетических организаций, прогнозирования изменений состояния объектов договорной работы рассмотрен один из вариантов моделей прогнозирования информации с помощью нейронных сетей. В проведенном исследовании по созданию нейросетевой модели для прогнозирования параметров договоров теплоснабжения реализован комплексный методологический подход, включающий сбор и подготовку данных, выбор архитектуры нейросети, обучение и тестирование моделей, а также оценку их адекватности. В качестве исходных данных использовалась информация о договорах теплоснабжения за 2018–2023 гг. общим объемом 2546 записей. Процесс подготовки состоял из выделения значимых параметров, удаления выбросов, заполнения пропущенных значений и нормализации данных. Для построения нейросетевой модели рассмотрены топологии сети прямого распространения Feed-forward Neural Network (FNN), сети радиальных базисных функций Radial Basis Function (RBF) и рекуррентной нейронной сети Recurrent Neural Network (RNN). Исследовались конфигурации с разным количеством нейронов в скрытом слое. Данные были разделены на тренировочную (80 %) и тестовую (20 %) выборки. Для обучения и тестирования использовался пакет программ Neural Network Toolbox. Экспериментально подбирались характеристики и алгоритм обучения для каждой модели. Для оценки адекватности использовались статистические критерии – средняя абсолютная ошибка, квадратный корень из средней квадратичной ошибки, коэффициент детерминации. Наиболее предпочтительной оказалась нейросетевая модель архитектуры FNN с одним скрытым слоем, содержащим 15 нейронов.
Ключевые слова: нейронные сети; договоры теплоснабжения; прогнозирование; архитектура нейронных сетей; обучение с учителем; топология сети; средняя абсолютная ошибка; квадратный корень из средней квадратичной ошибки; коэффициент детерминации; тренировочная выборка; тестовая выборка; адекватность модели.
Koskin A. V., Lomakin V. V., Penzev K. I.
SELECTION OF A NEURAL NETWORK MODEL FOR FORECASTING THE PARAMETERS OF A HEAT SUPPLY CONTRACT
(pp. 37-46)
Abstract. In order to improve control and planning of processes related to the management of contractual work of heat power organizations, forecasting changes in the state of objects of contractual work, this article considers one of the options for models of forecasting information using neural networks. This research explores the creation of a neural network model for forecasting district heating contract parameters using a comprehensive methodological approach. The process involves data collection and preparation, selection of neural network architecture, model training and testing, and assessment of their adequacy. The study utilizes data from district heating contracts spanning the years 2018–2023, totaling 2546 records. Data preparation includes extracting relevant parameters, removing outliers, filling missing values, and normalizing the data. Three network topologies – Feed-forward Neural Network (FNN), Radial Basis Function (RBF), and Recurrent Neural Network (RNN) – are considered for model construction. Various configurations with different numbers of neurons in the hidden layer are explored. The data is split into training and testing sets with an 80 % to 20 % ratio. The MATLAB Neural Network Toolbox is employed for training and testing. Experiments are conducted to fine-tune characteristics and learning algorithms for each model. Adequacy is assessed using criteria such as Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), and Coefficient of Determination (R2). The study reveals that the most preferable neural network model is an FNN architecture with a single hidden layer containing 15 neurons.
Keywords: Neural networks; District heating contracts; Forecasting; Neural network architecture; Supervised learning; Network topology; Mean absolute error; Root mean squared error; Coefficient of determination; Training set; Testing set; Model adequacy.
А. В. Коськин (Орловский государственный университет имени И. С. Тургенева, Орёл, Россия)
В. В. Ломакин, К. И. Пензев (Белгородский государственный национальный исследовательский университет, Белгород, Россия) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
A. V. Koskin (Oryol State University named after I. S. Turgenev, Orel, Russia)
V. V. Lomakin, K. I. Penzev (Belgorod State National Research University, Belgorod, Russia) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
1. Гусев Д. А. Анализ жизненного цикла электронных документов // Инновационные исследования: опыт, проблемы внедрения результатов и пути решения : сб. статей по итогам Международной научно-практической конференции. 19 октября 2024 г. Уфа, Россия. Стерлитамак: ООО «Агентство международных исследований», 2024. С. 50–53. EDN FAILKA
2. Анализ использования моделей коммуникации в жизненном цикле разработки информационных систем / А. Н. Беликов, С. А. Кучеров, В. С. Лапшин и др. // Известия ЮФУ. Технические науки. 2022. № 5(229). С. 128–141. DOI: 10.18522/2311-3103-2022-5-128-141 (EDN RRMXNW)
3. Шишов Н. В., Ломазов В. А. Моделирование процессов функционирования системы электронного документооборота при воздействии ARP-spoofing атак // Инженерный вестник Дона. 2022. № 2(86). С. 185–194. EDN ROTFKV
4. Дровникова И. Г., Алферов В. П. Моделирование слабоуязвимого процесса разграничения доступа к конфиденциальным сведениям систем электронного документооборота // Приборы и системы. Управление, контроль, диагностика. 2018. № 12. С. 17–23. EDN YPOQEX
5. Алферов В. П., Дровникова И. Г., Обухова Л. А., Рогозин Е. А. Вербальная модель управления слабо уязвимым процессом разграничения доступа пользователей к программным средствам системы электронного документооборота // Вестник Дагестанского государственного технического университета. Технические науки. 2019. Т. 46, № 2. С. 37–49. DOI: 10.21822/2073-6185-2019-46-2-37-49 (EDN EMULKB)
6. Власенко А. В., Каширина Е. И. Анализ современных методов обработки информации в электронном виде // Вестник Адыгейского государственного университета. Сер. 4: Естественно-математические и технические науки. 2020. № 3(266). С. 46–51. EDN MJDBJG
7. Набатов А. Н., Веденяпин И. Э. К вопросу применения различных методологий проектирования информационных систем: онтологический подход к проектированию // Вестник Уфимского государственного авиационного технического университета. 2022. Т. 26, № 3(97). С. 24–35. DOI: 10.54708/19926502_2022_2639724 (EDN LNPXSV)
8. Кисиогло Т. В., Медведева О. С. Разработка и повышение эффективности экспертных систем в организации // Экономика и бизнес: теория и практика. 2022. № 11-1(93). С. 185–190. DOI: 10.24412/2411-0450-2022-11-1-185-190 (EDN KJXWIL)
9. Чеканов И. Р., Кузнецов А. С. Информационное и алгоритмическое обеспечение обработки и анализа нормативных документов в сфере информационной безопасности в автоматизированной информационной системе // Известия Кабардино-Балкарского научного центра РАН. 2024. Т. 26, № 6. С. 146–157. DOI: 10.35330/1991-6639-2024-26-6-146-157 (EDN FXNFBO)
10. Чеканов И. Р., Кузнецов А. С. Системный подход к управлению документационным обеспечением в области информационной безопасности промышленных предприятий // Известия Кабардино-Балкарского научного центра РАН. 2025. Т. 27, № 1. С. 120–132. DOI: 10.35330/1991-6639-2025-27-1-120-132 (EDN WPINFR)
11. Джафарова Ш. М. Разработка модели информационной безопасности с применением продукционной модели // Информационные технологии. Проблемы и решения. 2021. № 4(17). С. 118–123. EDN UZWJBC
12. Болотова С. Ю., Сиволапов К. В. Реализация модели генерации подмножеств естественного языка на основе продукционной модели знаний // Информатика: проблемы, методы, технологии: Материалы XXI Международной научно-методической конференции. 11–12 февраля 2021 г. Воронеж, Россия. Воронеж: ООО «Вэлборн», 2021. С. 53–62. EDN VJBBID
13. Катасева Д. В. Нечетко-продукционная модель оценки состояния объектов в системах поддержки принятия решений // Вестник Технологического университета. 2021. Т. 24, № 12. С. 105–108. EDN MPOYIY
1. Gusev, D. A. (2024). Analysis of the lifecycle of electronic documents. In Innovatsionnye issledovaniya: opyt, problemy vnedreniya rezultatov i puti resheniya: Sbornik statey po itogam Mezhdunarodnoy nauchno-prakticheskoy konferentsii (pp. 50–53). Agentstvo mezhdunarodnykh issledovaniy. [in Russian language]
2. Belikov, A. N., Kucherov, S. A., Lapshin, V. S., et al. (2022). Analysis of the use of communication models in the information system development lifecycle. Izvestiya YuFU. Tekhnicheskie Nauki, (5(229)), 128–141. [in Russian language]. https://doi.org/10.18522/2311-3103-2022-5-128-141
3. Shishov, N. V., & Lomazov, V. A. (2022). Modeling the functioning processes of an electronic document management system under ARP-spoofing attacks. Inzhenernyy Vestnik Dona, (2(86)), 185–194. [in Russian language]
4. Drovnikova, I. G., & Alferov, V. P. (2018). Modeling a low-vulnerable process of access control to confidential information in electronic document management systems. Pribory i Sistemy. Upravlenie, Kontrol, Diagnostika, (12), 17–23. [in Russian language]
5. Alferov, V. P., Drovnikova, I. G., Obukhova, L. A., & Rogozin, E. A. (2019). Verbal model for managing a low-vulnerable process of user access control to soft-ware tools of an electronic document management system. Vestnik Dagestanskogo Gosudarstvennogo Tekhnicheskogo Universiteta. Tekhnicheskie Nauki, 46(2), 37–49. [in Russian language]. https://doi.org/10.21822/2073-6185-2019-46-2-37-49
6. Vlasenko, A. V., & Kashirina, E. I. (2020). Analysis of modern methods of electronic information processing. Vestnik Adygeyskogo Gosudarstvennogo Universiteta. Ser. 4: Estestvenno-Matematicheskie i Tekhnicheskie Nauki, (3(266)), 46–51. [in Russian language]
7. Nabatov, A. N., & Vedenjapin, I. E. (2022). On the application of various information system design methodologies: An ontological approach to design. Vestnik Ufimskogo Gosudarstvennogo Aviatsionnogo Tekhnicheskogo Universiteta, 26(3(97)), 24–35. [in Russian language]. https://doi.org/10.54708/19926502_2022_2639724
8. Kisioglo, T. V., & Medvedeva, O. S. (2022). Development and improvement of expert systems in organizations. Ekonomika i Biznes: Teoriya i Praktika, (11-1(93)), 185–190. [in Russian language]. https://doi.org/10.24412/2411-0450-2022-11-1-185-190
9. Chekanov, I. R., & Kuznetsov, A. S. (2024). Information and algorithmic support for processing and analyzing regulatory documents in the field of information security in an automated information system. Izvestiya Kabardino-Balkarskogo Nauchnogo Tsentra RAN, 26(6), 146–157. [in Russian language]. https://doi.org/10.35330/1991-6639-2024-26-6-146-157
10. Chekanov, I. R., & Kuznetsov, A. S. (2025). A systematic approach to managing documentation support in the field of information security for industrial enterprises. Izvestiya Kabardino-Balkarskogo Nauchnogo Tsentra RAN, 27(1), 120–132. [in Russian language]. https://doi.org/10.35330/1991-6639-2025-27-1-120-132
11. Dzhafarova, Sh. M. (2021). Development of an information security model using a production model. Informatsionnye Tekhnologii. Problemy i Resheniya, (4(17)), 118–123. [in Russian language]
12. Bolotova, S. Yu., & Sivolapov, K. V. (2021). Implementation of a natural language subset generation model based on a production knowledge model. In Informatika: problemy, metody, tekhnologii: Materialy XXI Mezhdunarodnoy nauchno-metodicheskoy konferentsii (pp. 53-62). Velborn. [in Russian language]
13. Kataseva, D. V. (2021). Fuzzy-production model for assessing the state of objects in decision support systems. Vestnik Tekhnologicheskogo Universiteta, 24(12), 105–108. [in Russian language]
Статью можно приобрести в электронном виде (PDF формат).
Стоимость статьи 700 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.
После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.
Для заказа скопируйте doi статьи:
10.14489/vkit.2025.06.pp.037-046
и заполните форму
Отправляя форму вы даете согласие на обработку персональных данных.
.
This article is available in electronic format (PDF).
The cost of a single article is 700 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.
After depositing your payment on our bank account we send you file of the article by e-mail.
To order articles please copy the article doi:
10.14489/vkit.2025.06.pp.037-046
and fill out the form
.
|
Текущий номер
Разработка концепции и создание сайта - ООО «Издательский дом «СПЕКТР»