2021

Постійне посилання на фонд

https://ela.kpi.ua/handle/123456789/47903

Переглянути

Перегляд 2021 за Автор "Басок, Б. І."

Зараз показуємо 1 - 2 з 2
  • Ескіз
    ДокументВідкритий доступ
    Проблеми фізики та геополітики в глобальному потеплінні
    (КПІ ім. Ігоря Сікорського, 2021) Басок, Б. І.; Базєєв, Є. Т.
    Вступ. Глобальне потепління клімату і т. зв. «парниковий ефект» — одна з найбільш обговорюваних проблем фізики та геополітики, яка викликала протестні екологічні рухи в світі. Проблематика. Широко обговорюються як антропогенна (емісія парникових газів в атмосферу), так і природна концепції глобального потепління з драматичними наслідками зміни клімату для планети і окремих її регіонів. Мета. Оцінити стан проблеми, представити результати досліджень і заходи щодо можливого зниження парникового ефекту. Матеріали й методи. Використано авторитетні літературні джерела з аналізом антропогенних і природних факторів глобального потепління, в т. ч. з поясненням фізичних процесів, що проявляються при сонячно-геомагнітній активності. Результати. Визначено шляхи та напрямки підвищення ефективності використання енергоресурсів по зниженню емісії парникових газів. Висновки. Найбільший потенціал підвищення енергоефективності використання енергоресурсів, і тим самим зниження емісії парникових газів, знаходиться в сфері теплопостачання житловомуніципальної сфери країни. Перспективи подальших досліджень пов'язані з розробкою і реалізацією організаційно-економічних і технологічних інновацій в цьому секторі енергетики.
  • Ескіз
    ДокументВідкритий доступ
    Прогнозування теплового стану повітряноґрунтового теплообмінника із застосуванням штучної нейронної мережі
    (КПІ ім. Ігоря Сікорського, 2021) Басок, Б. І.; Новіцька, М. П.; Недбайло, О. М.; Ткаченко, М. В.; Божко, І. К.
    Метою роботи є прогнозування теплового стану повітряно-ґрунтового теплообмінника на основі штучної нейронної мережі. Навчання, тестування та валідація запропонованої моделі зроблені на експериментальних даних отриманих в теплофізичній лабораторії Інституту технічної теплофізики НАН України. У цій роботі використано просту нейронну мережу. В якості вхідних параметрів для нейронної мережі обрано температуру повітря на вході в теплообмінник та його вологість. У цій роботі в розрахунках використовувався MATLAB (R2016a) та модель Левенберга-Маркватта. В моделі був присутній один прихований шар та 10 нейронів. Масив даних, що аналізувався розбивався у пропорції 70%, 15%, 15% для навчання нейронної мережі, її валідації та тестування відповідно. В результаті отримано, що в усіх моделях прогнозування відбувається із прийнятною точністю. Коефіцієнт середньоквадратичного відхилення для всього масиву даних для різних моделей варіюються від 0,105 до 2,323 С. Максимальна середня абсолютна помилка у відсотках виявилась найбільшою при використанні формул отриманих із СFD моделі та складала 11,2%. Мінімальне середнє відхилення прогнозованих даних від експериментально виміряних виявилось в моделі із використанням температури, вологості та температури повітря на виході із повітряно-ґрунтового теплообмінника за попередню годину і складало 0,02%. Навчання та тестування запропонованих моделей на основі штучної нейронної мережі є достатньо задовільними, щоб передбачити температуру із врахуванням впливу погодних умов. Штучні нейронні мережі можна використовувати при прогнозуванні теплового стану повітряно-ґрунтового теплообмінника. Для налаштування таких системи ШНМ потрібні дані, що представляють опис реальної системи.