Heterogeneous ensemble neural network for forecasting the state of multi-zone heating facilities

Badania mają na celu zwiększenie dokładności prognozowania stanu wielostrefowych obiektów cieplnych. Obiekty takie obejmują obiekty wielopokojowe, wielostrefowe szklarnie, piece tunelowe do produkcji cegieł i inne. Duża bezwładność takich obiektów zmniejsza skuteczność "sterowania ad hoc". Nowoczesne proaktywne systemy sterowania oparte na prognozowaniu opierają się głównie na szkoleniu sieci neuronowych. Jednak w celu prognozowania stanu konkretnego wielostrefowego obiektu termicznego, szkolenie sieci wymaga bardzo dużego zbioru danych, który jest trudny do utworzenia i wykorzystania. Zaproponowano połączoną neurostrukturalną metodę prognozowania stanu wielostrefowych obiektów cieplnych, w której struktura modelu neuronowego odzwierciedla strukturę wzajemnego wpływu stref obiektu. Badania metody wykazały możliwość zapewnienia wystarczająco wysokiej dokładności prognozy przy mniejszym rozmiarze zbioru danych treningowych.

Słowa kluczowe:

prognozowanie, obiekt wielostrefowy, metoda neurostrukturalna, trening, zbiór danych

Bibliografia

[1] Armstrong J:. Extrapolation for Time-Series and Cross-Sectional Data. Armstrong J. S. (eds.): Principles of Forecasting. International Series in Operations Research & Management Science 30. Springer, Boston 2001 [http://doi.org/10.1007/978-0-306-47630-3_11].

[2] Bisikalo O., et al.: Parameterization of the Stochastic Model for Evaluating Variable Small Data in the Shannon Entropy Basis. Entropy 25(2), 2023, 184.

[3] Collopy F., Adya M., Armstrong J.: Expert Systems for Forecasting. Armstrong J. (eds.): Principles of Forecasting. International Series in Operations Research & Management Science 30. Springer, Boston, 2011 [http://doi.org/10.1007/978-0-306-47630-3_14].

[4] Dias G. F., Kapetanios G.: Estimation and forecasting in vector autoregressive moving average models for rich datasets. Journal of Econometrics 202(1), 2018, 75–91.

[5] Dubovoi V., et al.: Model-Oriented Training of Coordinators of the Decentralized Control System of Technological Facilities with Resource Interaction. IEEE Access 13, 2025, 13414–13426.

[6] Dubovoi V., et al.: Functional safety assessment of one-level coordination of distributed cyber-physical objects. Przegląd Elektrotechniczny 97(9), 2021, 38–41.

[7] Geysena D., et al.: Operational thermal load forecasting in district heating networks using machine learning and expert advice. 2017, arXiv:1710.06134v1.

[8] Gyeera T., Simons A., Stannett M.: Kalman filter based prediction and forecasting of cloud server KPIs. TechRxiv. May 19, 2021 [https://doi.org/10.36227/techrxiv.14583342.v1].

[9] Hasan M., Wathodkar G., Muia M.: ARMA Model Development and Analysis for Global Temperature Uncertainty. arXiv, 2023, 2303.02070v1.

[10] Hou P., et al.: Vector Autoregression Model-Based Forecasting of Reference Evapotranspiration in Malaysia. Sustainability 15, 2023, 3675 [http://doi.org/10.3390/su15043675].

[11] Hyndman R., et al.: Forecasting with Exponential Smoothing. Springer Berlin, Heidelberg 2008 [https://doi.org/10.1007/978-3-540-71918-2].

[12] Kolobrodov V. G., Nguyen Q. A., Tymchik G. S.: The problems of designing coherent spectrum analyzers. Proc. of SPIE 9066, 2013.

[13] Kukharchuk V. V., et al.: Information Conversion in Measuring Channels with Optoelectronic Sensors. Sensors 22(1), 2022, 271 [https://doi.org/10.3390/s22010271].

[14] Ivanovski Z., Milenkovski A., Narasanov Z.: Time Series Forecasting Using a Moving Average Model for Extrapolation of Number of Tourist. UTMS Journal of Economics 9(2), 2018, 121–132.

[15] Thorsten J., et al.: Predicting structured objects with support vector machines. Communications of the ACM 52(11), 2024, 97–104 [https://doi.org/10.1145/1592761.1592783].

Heterogeniczna sieć neuronowa do prognozowania stanu wielostrefowych obiektów grzewczych. (2025). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 15(2), 94-99. https://doi.org/10.35784/iapgos.7321

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 15 Nr 2 (2025)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja