В данной работе проведено исследование применения методов машинного обучения для прогнозирования отказов тепловых сетей. Выполнен статистический анализ данных о состоянии участков тепловых сетей, выявлены основные признаки для построения обучающей модели. Разработана обучающая модель, модель применена для новых данных. Результаты прогноза сопоставлены с реальными данными повреждаемости участков тепловых сетей. Сделаны соответствующие выводы о применимости методов машинного обучения в рассматриваемой области.

In this paper, we study the application of machine learning methods for predicting failures of heat pipelines. The statistical analysis of the data on the state of the sections of heat pipelines is performed, the main features for the construction of the training model are identified. A training model was developed, and the model was applied to new data. The results of the forecast are compared with real data on the damage rate of heat pipeline sections. The corresponding conclusions about the applicability of machine learning methods in this area are made.