Запропоновано розроблену ймовірнісно-статистичну модель для розрахунку та прогнозування ефективності процесів озонування з застосуванням технології "машинного навчання". Модель реалізовано у вигляді програмного забезпечення. В основі розрахункового алгоритму лежить теорема Баєса. Код програми написано мовами Python 2.6.8 і Bash. Запропоновано 4 класи, які відповідають певному відсотку розчиненого озону в рідкій фазі, оскільки цей показник - один із головних параметрів при визначенні ефективності процесу озонування. Принцип формування навчальної вибірки полягає у створенні набору подій, у яких сукупність значень обраних параметрів відповідає певному класу. Після проведення статистичного аналізу розподілів імовірностей різних параметрів за класами з'ясовано, що на процес озонування найбільше впливають концентрація озону в озоно-газовій суміші (ОГС) і температура. У результаті проведеного дослідження побудовано ймовірнісно-статистичну модель із застосуванням технології "машинного навчання" та проведено апробацію моделі для процесу озонування. Модель надає змогу визначити ефективність процесу озонування залежно від заданих значень температури та концентрації озону в ОГС. У межах значень температури 0 - 35 <^>oC і початкової концентрації озону 20 - 240 г/м<^>3 точність прогнозу становить 91 %. Також у програмі реалізовано функцію "машинного навчання" на принципі "Supervised Learning" додатковим модулем, який після визначення користувачем розчиненого озону видає запит на підтвердження правильності отриманих результатів. Якщо користувач підтверджує правильність класифікації, то задана подія вноситься до навчальної вибірки як достовірна. Наведена модель може бути адаптована для моделювання широкого класу задач, пов'язаних із баромембранними процесами.

  Повний текст PDF - 574.749 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"