Поиск :
Личный кабинет :
Электронный каталог: Блинов, В.Л. - Анализ технического состояния ГТУ. Часть 3. Применение методов машинного обучения
Блинов, В.Л. - Анализ технического состояния ГТУ. Часть 3. Применение методов машинного обучения
Нет экз.
Статья
Автор: Блинов, В.Л.
Вестник машиностроения: Анализ технического состояния ГТУ. Часть 3. Применение методов машинного обучения
б.г.
ISBN отсутствует
Автор: Блинов, В.Л.
Вестник машиностроения: Анализ технического состояния ГТУ. Часть 3. Применение методов машинного обучения
б.г.
ISBN отсутствует
Статья
Блинов, В.Л.
Анализ технического состояния ГТУ. Часть 3. Применение методов машинного обучения / В.Л. Блинов, Г.А. Дерябин // Вестник машиностроения. – 2024. – № 2. – С. 97-104: ил. - Библиогр.: 27 назв.
Способ оценки коэффициента технического состояния газотурбинной установки для транспортировки природного газа методами машинного обучения. В качестве исходных данных использованы архивные газодинамические параметры, записанные системой автоматического управления установки. Исходный набор данных создавали способом определения мощности по изменению энтальпии природного газа до и после нагнетателя. Программный комплекс реализован в Python, для моделей машинного обучения использовали библиотеку Scikit-learn. В качестве критерия качества прогноза выбрана средняя абсолютная ошибка в процентах. Качество прогноза моделей машинного обучения оценивали при разных наборах параметров—признаков и объемах выборок. Рекомендации по использованию моделей.
Ключевые слова = ГАЗОТУРБОСТРОЕНИЕ
Ключевые слова = ГАЗОТРАНСПОРТНАСЯ СИСТЕМА
Блинов, В.Л.
Анализ технического состояния ГТУ. Часть 3. Применение методов машинного обучения / В.Л. Блинов, Г.А. Дерябин // Вестник машиностроения. – 2024. – № 2. – С. 97-104: ил. - Библиогр.: 27 назв.
Способ оценки коэффициента технического состояния газотурбинной установки для транспортировки природного газа методами машинного обучения. В качестве исходных данных использованы архивные газодинамические параметры, записанные системой автоматического управления установки. Исходный набор данных создавали способом определения мощности по изменению энтальпии природного газа до и после нагнетателя. Программный комплекс реализован в Python, для моделей машинного обучения использовали библиотеку Scikit-learn. В качестве критерия качества прогноза выбрана средняя абсолютная ошибка в процентах. Качество прогноза моделей машинного обучения оценивали при разных наборах параметров—признаков и объемах выборок. Рекомендации по использованию моделей.
Ключевые слова = ГАЗОТУРБОСТРОЕНИЕ
Ключевые слова = ГАЗОТРАНСПОРТНАСЯ СИСТЕМА