Детальная информация
Название | Разработка и анализ распределенной системы для прогнозирования технического состояния компрессорного оборудования на основе алгоритмов машинного обучения: выпускная квалификационная работа магистра: направление 09.04.04 «Программная инженерия» ; образовательная программа 09.04.04_02 «Основы анализа и разработки приложений с большими объемами распределенных данных» |
---|---|
Авторы | Ситкин Илья Константинович |
Научный руководитель | Молодяков Сергей Александрович |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
Выходные сведения | Санкт-Петербург, 2024 |
Коллекция | Выпускные квалификационные работы; Общая коллекция |
Тематика | машинное обучение; предиктивная аналитика; компрессорная техника; предсказание ошибок; эффективность; анализ данных; случайный лес; machine learning; predictive analytics; compressor technology; error prediction; efficiency; data analysis; random forest |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 09.04.04 |
Группа специальностей ФГОС | 090000 - Информатика и вычислительная техника |
DOI | 10.18720/SPBPU/3/2024/vr/vr24-3978 |
Права доступа | Доступ по паролю из сети Интернет (чтение) |
Дополнительно | Новинка |
Ключ записи | ru\spstu\vkr\33442 |
Дата создания записи | 29.08.2024 |
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 |
Целью магистерской диссертации является разработка решения по мониторингу состояния компрессорного оборудования и предсказание ошибок и поломок на ранних стадиях обнаружения при помощи методов машинного обучения и предиктивной аналитике исторических данных. Для достижения цели были изучены методы и алгоритмы анализа данных, выявлены подходящие методы машинного обучения, с помощью которых строится предиктивная модель, так же произведены манипуляции с данными, помогающие улучшить качество исторических данных. В результате проделанной работы была спроектирована архитектура решения и реализована прогнозирующая модель, при помощи которой можно заблаговременно улавливать ошибки компрессорных установок. Так же разработан интерфейс для легкого и интуитивно понятного взаимодействия с моделью.
The purpose of the masters thesis is to develop a solution for monitoring the condition of compressor equipment and predicting errors and breakdowns in the early stages of detection using machine learning methods and predictive analytics of historical data. To achieve this goal, data analysis methods and algorithms were studied, suitable machine learning methods were identified, with which a predictive model is built, as well as data manipulations were performed to help improve the quality of historical data. As a result of the work done, the architecture of the solution was designed and a predictive model was implemented, with which it is possible to detect errors of compressor units in advance. An interface has also been developed for easy and intuitive interaction with the model.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 0
За последние 30 дней: 0