Подход к подбору компрессорного оборудования судна методами статистической обработки данных

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Введение. Компрессоры необходимы для обеспечения потребителей судовых энергетических систем и в целом судна сжатым воздухом различного давления и расхода. От грамотного подбора компрессорного оборудования зависит исправное функционирование объектов инфраструктуры водного транспорта. Отсюда возникает необходимость подробного рассмотрения этого вопроса. Если бы все переменные, т.е. рассматриваемые параметры подбора компрессоров, измерялись в одинаковых шкалах и единицах измерения, можно было бы предложить сложить все значения, однако данный подход является очень грубым. Выход – нормировка значений переменных, а затем вычисление на их основе итогового критерия.

Цель. Поиск формального критерия, по которому будет произведен подбор того или иного компрессора.

Материал и методы. Рассматривается подбор компрессорного оборудования для систем пускового и рабочего воздуха судна методами экспоненциальной и линейной нормировки. Для статистической обработки предлагаются определенные параметры компрессоров отечественных и зарубежных производителей. Последующим этапом обработка данных осуществлялась методами максимального правдоподобия и логистической регрессии.

Результаты. Результатом исследования является получение одного формального критерия – итогового рейтинга, вместо нескольких качественных параметров. На основании полученного значения определен оптимальный по совокупности своих характеристик компрессор. Произведено моделирование вероятности отнесения компрессора, с определенным набором характеристик, к положительному или отрицательному классу. Предпринято обучение модели на основе имеющихся тренировочных данных, для подбора компрессоров.

Заключение. Статистические методы обработки данных могут быть применены относительно такого объекта исследования, как компрессор. При наличии набора исходных данных (характеристик компрессора) становится возможным научить машину определить оптимальный вариант компрессора.

Об авторах

Вадим Александрович Цветков

Университет ИТМО

Автор, ответственный за переписку.
Email: wadimtsvetkov@mail.ru
ORCID iD: 0000-0003-4357-0022

аспирант, ассистент

Россия, Санкт-Петербург

Владимир Александрович Пронин

Университет ИТМО

Email: maior.pronin@mail.ru
ORCID iD: 0000-0002-9278-5903
SPIN-код: 3737-3495

д.т.н., профессор

Россия, Санкт-Петербург

Александр Викторович Кованов

Университет ИТМО

Email: avkovanov@itmo.ru
ORCID iD: 0000-0003-2821-795X

аспирант

Россия, Санкт-Петербург

Екатерина Николаевна Михайлова

Университет ИТМО

Email: mikhaylova_en@mail.ru
ORCID iD: 0000-0002-2700-0348

аспирант

Россия, Санкт-Петербург

Список литературы

  1. Гофлин А.П., Шилов В.Д. Судовые компрессорные машины: учебник для судостроит. специальностей вузов. Л.: Судостроение, 1977.
  2. Тигарев П.А. Справочник по судовым компрессорам. Л.: Судостроение, 1981.
  3. Мхитарян В.С. Анализ данных: учебник для академического бакалавриата / под редакцией В. С. Мхитаряна. Москва: Юрайт, 2019.
  4. Ковалев Е.А. Теория вероятностей и математическая статистика для экономистов: учебник и практикум для вузов / под общей редакцией Медведева Г. А. 2-е изд., испр. и доп. Москва: Издательство Юрайт, 2020.
  5. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Berlin: Springer, 2014.
  6. Wasserman L. All of Statistics A Concise Course in Statistical Inference. New York: Springer-Verlag, 2004.
  7. Michie D., Spiegelhalter D.J., Taylor C.C. Machine Learning, Neural and Statistical Classification. Technometrics, 37(4), 1994. Режим доступа: https://www1.maths.leeds.ac.uk/~charles/statlog/whole.pdf
  8. Hosmer Jr. D.W., Lemeshow S., Sturdivant R.X. Applied Logistic Regression. 3rd ed. New York: John Wiley & Sons, 2013.
  9. Бабешко Л.О. Эконометрика и эконометрическое моделирование: учебник. Москва: Вузовский учебник: ИНФРА-М, 2019.
  10. Елисеева И.И. Эконометрика: учебник для бакалавриата и магистратуры. Москва: Юрайт, 2017.
  11. Де Прадо Маркос Лопес: Машинное обучение: алгоритмы для бизнеса. СПб.: Питер, 2019.
  12. James G., Witten D., Hastie T., et al. An Introduction to Statistical Learning: With Applications in R. Berlin: Springer, 2013.
  13. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Berlin: Springer, 2009.
  14. Bishop C.M. Pattern Recognition And Machine Learning. New Delhi: Springer India, 2013.
  15. Постановка и решение задачи с помощью надстройки «Поиск решения» Excel для Microsoft [internet]. – Режим доступа: https://support.microsoft.com/ru-ru/office/постановка-и-решение-задачи-с-помощью-надстройки-поиск-решения-5d1a388f-079d-43ac-a7eb-f63e45925040 Дата обращения: 11.08.2022.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© ООО "Эко-Вектор", 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».