Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- ПРЕДИКТИВНЫЙ АНАЛИЗ РАБОТЫ ЭЛЕКТРОГЕНЕРИРУЮЩИХ АГРЕГАТОВ ДЛЯ АВТОНОМНОГО ЭНЕРГОСНАБЖЕНИЯ ОБЪЕКТОВ НЕФТЕДОБЫЧИ
- Авторы
- Кондусова Валентина Борисовна valyosha@list.ru, канд. эконом. наук; доцент, Федеральное государственное бюджетное образовательное учреждение высшего образования «Оренбургский государственный университет», г. Оренбург, Россия
Овечкин Максим Владимирович maxov-1@mail.ru, канд. техн. наук, доцент, ФГБОУ ВО «Оренбургский государственный университет», г. Оренбург, Россия
Федченко Даниил Александрович danil-fedchenko@mail.ru, аспирант, инженер 2 категории, ФГБОУ ВО «Оренбургский государственный университет»; УЭГО ЗСРУ ООО «ЛУКОЙЛ-ЭНЕРГОСЕТИ», Оренбург, Россия
- В разделе
- ПРИКЛАДНЫЕ ВОПРОСЫ И ЗАДАЧИ ПРИМЕНЕНИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ
- Ключевые слова
- предиктивный анализ / электрогенерирующие агрегаты / линейная регрессия / системы предсказаний / обработка больших данных
- Год
- 2025 номер журнала 4 Страницы 39 - 46
- Индекс УДК
- 681:58
- Код EDN
- GNFXMR
- Код DOI
- 10.52190/2073-2597_2025_4_39
- Финансирование
- Тип статьи
- Научная статья
- Аннотация
- В статье представлен предиктивный анализ исторических данных о работе электрогенерирующих агрегатов для предсказания поломки оборудования.
- Полный текст статьи
- Для прочтения полного текста необходимо купить статью
- Список цитируемой литературы
-
Салихов А. А. Неоцененная и непризнанная "малая" энергетика. - М.: Новости теплоснабжения, 2009. - 173 с. ISBN 978-5-94296-020-9.
Прошин А., Салитов А. Автоматизированная система управления технологическими процессами ГТУ ТЭЦ "Маяк-Энергия" [Электронный ресурс]. URL: <https://controleng.ru/wp-content/uploads/8272.pdf> (дата обращения: 07.11.2025).
Lee J., Wu F., Zhao W., Ghaffari M., Liao L., Siegel D. Prognostics and health management design for rotary machinery systems-Reviews, methodology and applications // Mechanical Systems and Signal Processing. 2014. V. 42. Is. 1-2. P. 314-334 [Электронный ресурс]. URL: <https://doi.org/10.1016/j.ymssp.2013.06.004> (дата обращения: 07.11.2025).
Friedman J. H. Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics. 2000 [Электронный ресурс]. URL: <https://www.researchgate.net/publication/2424824_Greedy_Function_Approximation_A_Gradient_Boosting_Machine> (дата обращения: 07.11.2025).
XGBoost, LightGBM or CatBoost - which boosting algorithm should I use? [Электронный ресурс]. URL: <https://www.riskified.com/resources/article/boosting-comparison/?hss_channel=tw-1283623626&utm_medium=organic&utm_source=yandexsmartcamera> (дата обращения: 07.11.2025).
Boute Robert N., Gijsbrechts Joren, Van Mieghem Jan A., Zhang Dennis J. Can Deep Reinforcement Learning Improve Inventory Management? Performance on Lost Sales, Dual-Sourcing, and Multi-Echelon Problems // Manufacturing & Service Operations Management. 2022. V. 24(3). Р. 1349-1368 [Электронный ресурс]. URL: <https://doi.org/10.1287/msom.2021.1064>.
Исмагилов Р. Н., Гареев Р. Р., Ямалиев В. У., Мацибора А. А. Прогнозирование остаточного ресурса подшипника по уровню вибрации механизма // Экспозиция Нефть Газ. 2015. № 3(42). С. 65-68.
- Купить
- 500.00 руб
