Библиографическое описание:ПРОГНОЗИРОВАНИЕ ТЕПЛОВЫХ ПРОЦЕССОВ В ПОДЗЕМНЫХ ГОРНЫХ СООРУЖЕНИЯХ С ИСПОЛЬЗОВАНИЕМ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ : научное издание / М. В. Журавлев, О. А. Антамошкин, М. Н. Степанцевич, Е. Ф. Малыха. - Текст : непосредственный // Известия Тульского государственного университета. Науки о Земле. - 2025. - № 3. - С. 205-211. - Исследование выполнено при поддержке Красноярского краевого фонда поддержки научной и научно-технической деятельности в рамках проекта «Система автоматизированной верификации строительных объектов цифровым информационным моделям с использованием БПЛА и технологии технического зрения» (№ 20241021-08629) в рамках Конкурса перспективных прикладных научных исследований по направлению технологического лидерства «Беспилотные авиационные системы», реализуемых в рамках проектов по заказу юридических лиц (за исключением некоммерческих организаций), зарегистрированных на территории Красноярского края, выполняемых организациями, зарегистрированными на территории Красноярского края, осуществляющими научную, научно-техническую деятельность. - ISSN 2218-5194.
Аннотация:Рассматривается применение методов искусственного интеллекта для анализа и прогнозирования тепловых процессов в подземных горных сооружениях. В качестве инструмента использовалась рекуррентная нейронная сеть архитектуры LSTM, обученная на экспериментальных данных, полученных с высокой временной дискретностью. Проведено сравнение результатов, полученных при помощи статистических методов и нейросетевого подхода, показавшее значительное преимущество последнего как по точности прогноза, так и по способности учитывать нелинейные зависимости и кратковременные температурные колебания. Среднеквадратическая ошибка прогноза при использовании LSTM составила менее 0,2 °C, что подтверждает высокую эффективность данного метода. Полученные результаты демонстрируют перспективность внедрения нейросетевых технологий в системы мониторинга и управления безопасностью подземных объектов.
This study focuses on the application of artificial intelligence methods for analyzing and forecasting thermal processes in underground mining structures. A recurrent neural network of LSTM architecture was employed, trained on experimental data with high temporal resolution. Comparative analysis with traditional statistical approaches demonstrated a clear advantage of the neural network method in terms of prediction accuracy and its ability to capture nonlinear dependencies and short-term temperature fluctuations. The root mean square error of the forecast using LSTM was less than 0.2 °C, confirming the high efficiency of the proposed approach. The fmd-ings highlight the potential of integrating recurrent neural networks into monitoring and safety management systems for undergroundfacilities, contributing to improved reliability and operational security.
Издательство:Тульский государственный университет, Тула
Источник:Известия Тульского государственного университета. Науки о Земле
Выпуск:№ 3
Номера страниц:205-211
Держатель оригинала документа:Российский государственный аграрный университет- МСХА им. К.А. Тимирязева, Сибирский государственный университет науки и технологий им. М.Ф. Решетнёва, Сибирский федеральный университет
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки
