| Anotācija |
Darba mērķis ir izstrādāt kļūdu noteikšanas modeli saules kombinētajām sistēmām, izmantojot mākslīgi radītu neirālo tīklu programmēšanas paņēmienus.
Mērķa sasniegšanai tika izvirzīt sekojoši uzdevumi:
1. definēt mākslīgo neirālo tīklu pamatfunkcijas, īpašības, pielietojumu, struktūru un arhitektūru;
2. veikt literatūras analīzi mākslīgo neirālo tīklu izmantošanai saules siltuma sistēmām;
3. sniegt ieskatu kļūdu noteikšanas un identificēšanas pamatprincipos, iekļaujot apskatu par kļūdu noteikšanas modeļiem un kļūdu diagnostikas shēmām;
4. īstenot pētījumu analīzi, kuros saules siltuma sistēmām ir pielietota kļūdu noteikšanas un izolēšana metodika izmantojot mākslīgo neirālo tīklu bāzi.
5. prezentēt metodikas izstrādi matemātiskā modeļa ieguvei, kas tiks izmantots kļūdu noteikšanai saules kombinētajās sistēmās izmantojot programmēšanas valodu mākslīgajiem neirālajiem tīkliem MatLab vidē;
6. izstrādāt dinamisku mākslīgo neirālo tīklu matemātisko modeli, kas spēj aprakstīt saules kombinēto sistēmu darbību pārejas periodā ar noteikšanas koeficienta vērtību virs 95 %;
7. veikt un izvērtēt kļūdu noteikšanas testu rezultātus izmantojot iepriekš izstrādāto mākslīgo neirālo tīklu modeli saules kombinētajām sistēmām;
8. novērtēt vides ieguvumus, kas rastos, ja kļūdu novēršanas sistēma tiktu integrēta saules kombinētajā sistēmā tiešsaistes režīmā;
9. veikt secinājumus un izvirzīt priekšlikumus turpmākajai izpētei.
Darbs sastāv no četrām nodaļām, secinājumiem un priekšlikumiem turpmākai izpētei.
Sākotnēji tika veikts ieskats mākslīgo neirālo tīklu attīstībā un priekšrocībās salīdzinot ar citiem sistēmu modelēšanas paņēmieniem. Izmantojot matemātiskās sakarības, tika definēti mākslīgo neirālo tīklu arhitektūras pamatelementi, to struktūra, uzbūves principi un mijiedarbība. Tika analizēta kļūdu noteikšanas un izolācijas teorija, kļūdu noteikšanas modeļi un kļūdu diagnostikas shēmas. Tika veikta literatūras analīze par mākslīgo neirālo tīklu un kļūdu noteikšanas un izolācijas algoritmu izmantošanu saules siltumu sistēmu aprakstīšanai, modelēšanai un optimizācijai. Balstoties uz pirmajā un otrajā nodaļā prezentēto teorētisko bāzi un nozares literatūras analīzi, tika identificētas jomas turpmākajai izpētei.
Darba trešā nodaļa ietver sevī metodikas aprakstu, kurā tiek sniegta informācija par eksperimenta plānošanas soļiem, definētajiem ieejas un izejas datu lielumiem, izmantotajiem algoritmiem un eksperimentālajiem, matemātiski determinētajiem un skaitliskajiem modeļiem. Tika apskatīti eksperimentālo datu iegūšanas un priekšapstrādes procesi. Tika definēts izmantoto mācību algoritmu spektrs, modeļa veiktspējas noteikšanas kritēriji un mākslīgo neirālo tīklu matemātiskā modeļa uzbūves sarežģītības pakāpes attīstīšanas gaita. Trešā nodaļa sniedz apskatu arī par kļūdu noteikšanas rīka uzbūvi un funkcijām.
Darba rezultāti uzrāda noteikšanas koeficienta un vidējās kvadrātiskās kļūdas atkarību no izvēlētā neironu skaita slēptajā slānī un izvēlētās mācību algoritma. Pēkšņas un periodiskas kļūdas tika simulētas un noteiktas ar izstrādātā mākslīgā neirālā tīkla palīdzību. Tika novērtēti potenciālie ieguvumi apkārtējai videi integrējot mākslīgo neirālo tīklu saules kombinētajās sistēmās.
Darba noslēgumā ir sniegti secinājumi un ieteikumi turpmākajai izpētei.
Darbs sastāv no 81 lappusēm, 1 tabulas, 32 attēliem, 62 izmantotās literatūras avotiem, tai skaitā 60 svešvalodās, un 11 pielikumiem. |
