Результаты поиска: 4 док. (сбросить фильтры)
Статья: О НАГРУЖЕННОЙ ЗАДАЧЕ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ С МНОГОТОЧЕЧНЫМИ УСЛОВИЯМИ
Исследуется задача оптимального управления линейно нагруженной системой обыкновенных дифференциальных уравнений с линейными граничными условиями. Получены необходимые условия оптимальности первого порядка, которые позволяют использовать эффективные методы первого порядка для численного решения исследуемой задачи. Приведены результаты решения тестовой задачи и их анализ.
Статья: ОБ ОДНОЙ ЗАДАЧЕ УПРАВЛЕНИЯ С ОБРАТНОЙ СВЯЗЬЮ ИСТОЧНИКАМИ НАГРЕВА СТЕРЖНЯ
В работе предлагается подход к решению задачи синтеза систем управления движением и мощностью сосредоточенных источников с оптимизацией расположения точек измерений. Для конкретности рассмотрена задача управления с обратной связью движущимися источниками тепла при нагреве стержня. Мощность и быстродействие точечных источников определяются в зависимости от состояния процессов в точках измерения. Получены формулы для градиентных составляющих целевого функционала, позволяющие численно решить задачу с использованием методов оптимизации первого порядка.
Статья: ЧИСЛЕННОЕ ИССЛЕДОВАНИЕ УСТОЙЧИВОСТИ АЛГОРИТМА ИДЕНТИФИКАЦИИ КОЭФФИЦИЕНТА ТЕПЛОПРОВОДНОСТИ В ТРЕХМЕРНОМ СЛУЧАЕ
Рассматривается задача идентификации зависящего от температуры коэффициента теплопроводности вещества в трехмерном случае. Проведено численное исследование устойчивости разработанного алгоритма идентификации коэффициента теплопроводности. Показано, что при решении задачи с помощью алгоритма, основанного на применение методологии Быстрого Автоматического Дифференцирования, возмущение искомого коэффициента теплопроводности имеет тот же порядок, что и вызвавшие его возмущения экспериментальных данных.
Статья: ПРОГНОЗИРОВАНИЕ ОБЪЕМОВ ПОТРЕБЛЕНИЯ ЭЛЕКТРИЧЕСКОЙ ЭНЕРГИИ НА ОСНОВЕ СТАТИСТИЧЕСКИХ ДАННЫХ
В данной статье рассматривается применение нейронных сетей LSTM для прогнозирования потребления электроэнергии. Для обучения и тестирования модели использовались данные о потреблении электроэнергии за несколько лет. Для повышения качества прогнозирования были проведены эксперименты с различными параметрами нейронной сети, такими как число нейронов и глубина истории данных. Результаты показали, что нейронная сеть LSTM обеспечивает высокую точность прогнозирования объемов потребления электроэнергии на основе статистических данных. Эти результаты могут быть полезными для энергетических компаний и государственных органов, занимающихся прогнозированием и планированием энергетических потребностей.