Данная работа посвящена построению ряда моделей машинного обучения для определения максимальных эквивалентных напряжений, и перемещений в заданной координате. Сравнивая предсказания моделей с результатами, полученными с помощью Ansys, для определения лучшей модели. В ходе работы решались следующие задачи: Нахождение максимальных эквивалентных напряжений по Треска с помощью линейной регрессии, дерева решений, нейронной сети Нахождение перемещений в заданной координате с помощью линейной регрессии, дерева решений, нейронной сети Оптимизация моделей Построение графиков и иллюстрация результатов. В результате исследования получена нейронная сеть, решающая вышеперечисленные задачи с высокой точностью Полученные выводы обладают большой практической значимостью и могут быть использованы при моделировании более сложных нейронных сетей.

The subject of the graduate qualification work is "Construction of a ROM model based on a neural network for determining the parameters of stress-strain state of an elastic plate". The given work is devoted  to the construction of a series of machine learning models for determining the maximum equivalent stresses and displacements at a given coordinate. Comparing the model predictions with the results obtained using Ansys to determine the best model. During the work, the following tasks were solved: Finding the maximum equivalent stresses according to Tresca using linear regression, decision trees, neural networks Finding displacements at a given coordinate using linear regression, decision trees, neural networks Model optimization Construction of graphs and illustration of results. As a result of the research, a neural network was obtained that solves the above tasks with high accuracy The conclusions obtained have great practical significance and can be used in modeling more complex neural networks.