Определение показателя энергоемкости промышленного предприятия с применением нейронных сетей

Abstract

Сложность производственных процессов промышленных предприятий осложняет их описание четкими математическими зависимостями и затрудняет определение количественного значения показателя его энергоэффективности, что в свою очередь отрицательно сказывается на прогнозировании и управлении энергоэффективности промышленных предприятий в целом. В связи с этим в работе предложено решение данной проблемы путем использования метода искусственных нейронных сетей, на основе которого представлена методика прогнозирования удельной энергоемкости предприятия. Данная методика была применена при обработке данных более десятка промышленных предприятия. Полученные результаты подтверждают целесообразность применения нейронных сетей при решении подобных задач.The complexity of industrial enterprises production processes complicate their description by exact mathematical relations and makes it difficult to determine the quantitative value of its power efficiency indicator. It negatively impacts the prognosis and management of industrial enterprises power efficiency. This work offers the solution to this problem by using the method of artificial neuron networks that enable us to forecast the energy intensity of an enterprise. This methodics was used for processing of the data of more than ten industrial enterprises. The results prove the expedience of using the neuron networks for solving similar tasks.სამრეწველო საწარმოების საწარმოო პროცესების სირთულე მათ მათემატიკურ აღწერას საკმაოდ ართულებს და აფერხებს მათი ენერგოეფექტურობის რიცხობრივი მაჩვენებლის განსაზღვრას, რაც, თავის მხრივ, უარყოფითად აისახება სამრეწველო საწარმოების ენერგოეფექტურობის პროგნოზირებაზე და მართვაზე. აღნიშნული პრობლემის აღმოსაფხვრელად, ნაშრომში შემოთავაზებულია ხელოვნური ნეირონული ქსელების მეთოდის გამოყენება, რომლის საფუძველზე წარმოდგენილია საწარმოების კუთრი ენერგოტევადობის პროგნოზირების მეთოდიკა. აღნიშნული მეთოდიკა იყო გამოყენებული ათზე მეტი საწარმოს მონაცემების დამუშავებისას. მიღებულმა შედეგებმა ცხადყო, რომ მიზანშეწონილია ნაშრომში დასმული ამოცანების გადაწყვეტაში ნეირონული ქსელების გამოყენება.