Детальная информация

Название Прогнозирование риска механического повреждения станков с применением методов машинного обучения: выпускная квалификационная работа бакалавра: направление 01.03.03 «Механика и математическое моделирование» ; образовательная программа 01.03.03_03 «Математическое моделирование процессов нефтегазодобычи»
Авторы Трубачев Максим Вячеславович
Научный руководитель Каштанова Станислава Викторовна
Организация Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт
Выходные сведения Санкт-Петербург, 2024
Коллекция Выпускные квалификационные работы; Общая коллекция
Тематика машинное обучение; механические повреждения; прогнозирование риска; предобработка данных; логистическая регрессия; k-ближайших соседей; алгоритм опорных векторов; дерево решений; случайный лес; промышленное оборудование; machine learning; mechanical failures; risk prediction; data preprocessing; logistic regression; k-nearest neighbors; support vector machine; decision tree; random forest; industrial equipment
Тип документа Выпускная квалификационная работа бакалавра
Тип файла PDF
Язык Русский
Уровень высшего образования Бакалавриат
Код специальности ФГОС 01.03.03
Группа специальностей ФГОС 010000 - Математика и механика
DOI 10.18720/SPBPU/3/2024/vr/vr24-2945
Права доступа Доступ по паролю из сети Интернет (чтение)
Ключ записи ru\spstu\vkr\30088
Дата создания записи 10.07.2024

Разрешенные действия

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа Анонимные пользователи
Сеть Интернет

В данной дипломной работе рассматривается применение методов машинного обучения для прогнозирования риска механических повреждений станков. Описаны типы, причины и последствия механических повреждений, а также методы их профилактики. Проведен анализ данных, выявлены ключевые признаки и проведена их предобработка, включая удаление выбросов и устранение пропущенных значений. Обучены и оценены различные модели машинного обучения, такие как логистическая регрессия, K-ближайших соседей, алгоритм опорных векторов, дерево решений и случайный лес.

The subject of the graduate qualification work is «Predicting the risk of mechanical damage to machine tools using machine learning methods». This thesis explores the application of machine learning methods for predicting the risk of mechanical failures in machinery. It describes the types, causes, and consequences of mechanical failures, as well as methods for their prevention. Data analysis was conducted, key features were identified, and preprocessing was performed, including outlier removal and handling of missing values. Various machine learning models were trained and evaluated, including logistic regression, k-nearest neighbors, support vector machines, decision trees, and random forests.

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все
Прочитать
Интернет Авторизованные пользователи СПбПУ
Прочитать
Интернет Анонимные пользователи

Количество обращений: 1 
За последние 30 дней: 0

Подробная статистика