Застосування ШІ для прогнозування та оптимізації роботи побутових приладів на основі звичок користувача

Скорочена інформація про документ
dc.contributor.advisorСередін, Андрій Павлович
dc.contributor.authorКолеснік, Богдан Геннадійович
dc.date.accessioned2026-01-08T13:11:49Z
dc.date.available2026-01-08T13:11:49Z
dc.date.issued2025
dc.description.abstractПояснювальна записка до магістерської дисертації складається із вступу, чотирьох розділів, висновків та списку літератури, що містить 44 позиції, та одного додатку. Загальний обсяг роботи складає 132 сторінки, з яких основна частина роботи викладена на 98 сторінках, робота містить 29 рисунків, 8 таблиць. Актуальність теми дослідження: необхідність переходу до предиктивного керування у галузі Інтернету Речей (IoT) для підвищення енергоефекти- вності. Існуючі системи неефективні, оскільки не здатні адаптивно реагувати на нерегулярні, нелінійні патерни поведінки користувача, що спричиняє зайві енерговитрати. Застосування глибокого навчання є необхідним для моделювання цих складних довготривалих часових залежностей. Мета роботи: розробка та експериментальне дослідження інтелектуальної системи, що використовує модель Gated Recurrent Unit (GRU) для високоточного прогнозування моменту і параметрів (температури) використання електричного чайника на основі аналізу щоденних звичок, з метою оптимізації його роботи та мінімізації енергоспоживання. У роботі виконано огляд існуючих методів прогнозування для обґрунтування вибору архітектури GRU. Об’єкт дослідження: процес виявлення нелінійних часових патернів поведінки користувача та прогнозування часових рядів використання побу- тового приладу. Предмет дослідження: методи та моделі глибокого навчання, зокрема GRU, що використовуються для розробки керуючого сигналу превентивного вмикання/підігріву електричного чайника, а також алгоритм оптимізації старту приладу на основі синтетичних даних. Методи дослідження: структурний аналіз, моделювання, порівняння, опис. Практичне значення отриманих результатів: створено методологію генерації реалістичних синтетичних даних, розроблено високоточну предиктивну модель на основі GRU та керуючого алгоритму, який забезпечує завча- сну готовність приладу. Результати роботи можуть бути використані для роз- розробки інтелектуальних побутових приладів, у т.ч. у складі систем «Розумний дім».
dc.description.abstractotherThe explanatory note to the master’s thesis consists of an introduction, four chapters, conclusions, a list of references containing 44 sources, and one appendix. The total volume of the thesis is 132 pages, of which 98 pages comprise the main body of the work. The thesis contains 29 figures and 8 tables. Relevance of the research topic: the need to transition to predictive control in the field of the Internet of Things (IoT) in order to improve energy efficiency. Existing systems are inefficient because they are unable to adaptively respond to irregular, nonlinear patterns of user behavior, which leads to excessive energy consumption. The application of deep learning is necessary to model these complex long-term temporal dependencies. Purpose of the work: the development and experimental study of an intelligent system that uses a Gated Recurrent Unit (GRU) model for highly accurate prediction of the time and parameters (temperature) of electric kettle usage based on the analysis of daily habits, with the aim of optimizing its operation and minimizing energy consumption. The work includes a review of existing forecasting methods to justify the selection of the GRU architecture. Object of research: the process of identifying nonlinear temporal patterns of user behavior and forecasting time series of household appliance usage. Subject of research: deep learning methods and models, in particular GRU, used to develop a control signal for preventive switching on/heating of an electric kettle, as well as an algorithm for optimizing the appliance start time based on synthetic data. Research methods: structural analysis, modeling, comparison, and description. Practical significance of the obtained results: a methodology for generating realistic synthetic data has been developed, a high-accuracy predictive model based on GRU has been created, and a control algorithm ensuring the appliance’s readiness in advance has been implemented. The results of the work can be used in the development of intelligent household appliances, including as part of smart home systems.
dc.format.extent133 c.
dc.identifier.citationКолеснік, Б. Г. Застосування ШІ для прогнозування та оптимізації роботи побутових приладів на основі звичок користувача : магістерська дис. : 172 Електронні комунікації та радіотехніка / Колеснік Богдан Геннадійович. – Київ, 2025. – 133 c.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/77997
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectштучний інтелект
dc.subjectглибоке навчання
dc.subjectпрогнозування часових рядів
dc.subjectGRU
dc.subjectенергоефективність
dc.subjectрозумний дім
dc.subjectоптимізація
dc.subjectartificial intelligence
dc.subjectdeep learning
dc.subjecttime series forecasting
dc.subjectenergy efficiency
dc.subjectsmart home
dc.subject.udc004.932.72'1
dc.titleЗастосування ШІ для прогнозування та оптимізації роботи побутових приладів на основі звичок користувача
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kolesnik_magistr.pdf
Розмір:
3.55 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (РЕ)
Магістерські роботи