Ang mga siyentipiko ng Perm Polytechnic ay bumuo ng isang matalinong module para sa pamamahala ng lokal na sistema ng supply ng init. Ang neuralati ay tutulong sa tumpak at mabilis na kalkulahin ang temperatura ng coolant sa exit ng boiler room. Ang teknolohiya ay nagbibigay-daan sa iyo upang mapanatili ito sa mga tuntunin ng mga mamimili, maiwasan ang hindi makatwiran overheating ng coolant at i-save ang mga pondo sa pag-init. Ang pag-unlad ay walang analogues sa Russia pa.
Ngayon ang mga yunit ng kontrol ay lubos na ginagamit, na awtomatikong sinusuportahan ang tinukoy na temperatura sa outlet ng boiler room. Tinutukoy ng mga kinakailangang halaga ang operator, higit sa lahat na nakatuon sa thermometer at ang magagamit na feedback. Ang aming pag-unlad ay nagsasangkot ng kontrol gamit ang naturang neural network, na ginagamit sa mga kalkulasyon hindi lamang ang kasalukuyang halaga ng temperatura ng ambient, kundi pati na rin ang makatwirang forecast. Ito ay nagbibigay-daan sa iyo upang pre-suriin ang temperatura ng carrier at maiwasan ang pagka-antala, sabi ng associate professor ng department of computing matematika, mekanika at biomechanics ng Perm Polytech, kandidato ng teknikal na agham Vladimir Onistkiv.
Para sa pagtuturo ni Nealito, ang mga siyentipiko ay gumamit ng malaking halaga ng statistical data. Kabilang dito ang naka-synchronize na mga temperatura ng coolant sa iba't ibang mga punto ng thermal network at ambient temperature.
Sinubukan ng mga siyentipiko ang matalinong module sa pamamagitan ng pag-type nito sa isang software at hardware automated aurora control system. Ang thermal balance sa pabahay at mga serbisyo ng komunidad, na binuo at gumagamit ng isa sa mga kumpanya ng teritoryo ng Perm. Bilang isang resulta, ang complex ay nagbibigay-daan sa iyo upang awtomatikong ayusin ang temperatura ng coolant sa outlet ng boiler room, na ibinigay ang forecast para sa pagbabago ng mga kondisyon ng panahon.
Upang matiyak ang mga kumportableng kondisyon ng thermal sa mga bahay ng mamimili, ang mga organisasyon ng supply ng init ay dapat patuloy na subaybayan ang temperatura ng estado ng network. Ngunit ang serbisyong ito ay hindi pa rin magagamit para sa karamihan ng mga thermal companies, kaya siguraduhin nila ang kanilang mga panganib, na mapanatili ang mas mataas na temperatura ng thermal carrier. Bilang resulta, ang mga residente ay madalas na napipilitang mag-overpay para sa mga kagamitan, nagpapaliwanag ng mananaliksik.
Ayon sa mga siyentipiko, ang paggamit ng neural network sa proseso ng pagkontrol sa network ng init ay nagbibigay-daan sa iyo upang i-save ang gasolina at maiwasan ang pagsobra nito. Sa biglaang pagbabago ng panahon, ang epekto na ito ay lalong mahalaga. Ang mga pagtitipid ng gas ay maaaring umabot sa 10-15%, depende sa panlabas na temperatura ng hangin at ang pangkalahatang estado ng network ng init.
Ang mga multilayer neural network at malalim na mga network ng pag-aaral ay maaaring mahulaan ang kinakailangang temperatura ng boiler, na binigyan ng taya ng panahon at mga tampok ng coolant na kilusan.
Sa proseso ng paglikha ng isang matalinong module, pinag-aralan ng mga siyentipiko ang iba't ibang uri ng neural network. Ang huling arkitektura ay binubuo ng 224 neurons, iniutos sa tatlong layers. Ang kinakalkula temperatura ng coolant sa outlet ng boiler room ay nagbibigay ng mga halaga ng temperatura sa pasukan sa bahay na ang mga pamantayan ay kinakailangan.