Оценка и прогнозирование надежности городской водопроводной сети при дефиците информации с помощью искусственных нейронных сетей
Аннотация
В данной магистерской диссертации, которая является иллюстрацией практического применения зонтичной науки инфранетики МИБИКС-конвергентных технологий, представлены результаты применения искусственных нейронных сетей (технологий искусственного интеллекта) для оценки надежности городской водопроводной сети посредством прогнозирования таких показателей надежности, как интенсивность отказов, вероятность безотказной работы и коэффициент готовности. Для обучения искусственной нейронной сети был смоделирован набор данных, состоящий из 1240 наблюдений, характеризующих каждый трубопровод такого среднего российского города, как Камышлов. Искусственные нейронные сети являются перспективным инструментом, позволяющим быстро и легко анализировать надежность трубопроводов.
КЛЮЧЕВЫЕ СЛОВА
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, МАШИННОЕ ОБУЧЕНИЕ, ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ, ПОКАЗАТЕЛИ НАДЕЖНОСТИ, ИНТЕНСИВНОСТЬ ОТКАЗОВ, ВЕРОЯТНОСТЬ БЕЗОТКАЗНОЙ РАБОТЫ, КОЭФФИЦИЕНТ ГОТОВНОСТИ.
This master's dissertation, is an illustration of the practical application of the umbrella science of infranetics of MIBICS-convergent technologies, presents the results of the use of artificial neural networks (artificial intelligence technologies) to assess the reliability of the urban water supply network by predicting reliability indicators such as failure rate, reliability function and availability factor. To train an artificial neural network, a data set consisting of 1240 observations characterizing each pipeline of such an average Russian city as Kamyshlov was modeled. Artificial neural networks are a promising tool that allows you to quickly and easily analyze the reliability of pipelines.
KEY WORDS
ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, ARTIFICIAL NEURAL NETWORKS, RELIABILITY INDICATORS, FAILURE RATE, RELIABILITY FUNCTION, AVAILABILITY FACTOR.
КЛЮЧЕВЫЕ СЛОВА
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, МАШИННОЕ ОБУЧЕНИЕ, ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ, ПОКАЗАТЕЛИ НАДЕЖНОСТИ, ИНТЕНСИВНОСТЬ ОТКАЗОВ, ВЕРОЯТНОСТЬ БЕЗОТКАЗНОЙ РАБОТЫ, КОЭФФИЦИЕНТ ГОТОВНОСТИ.
This master's dissertation, is an illustration of the practical application of the umbrella science of infranetics of MIBICS-convergent technologies, presents the results of the use of artificial neural networks (artificial intelligence technologies) to assess the reliability of the urban water supply network by predicting reliability indicators such as failure rate, reliability function and availability factor. To train an artificial neural network, a data set consisting of 1240 observations characterizing each pipeline of such an average Russian city as Kamyshlov was modeled. Artificial neural networks are a promising tool that allows you to quickly and easily analyze the reliability of pipelines.
KEY WORDS
ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, ARTIFICIAL NEURAL NETWORKS, RELIABILITY INDICATORS, FAILURE RATE, RELIABILITY FUNCTION, AVAILABILITY FACTOR.