Bibliographic Details
| Title: |
Оптимизационные модели подбора параметров технологических процессов на основе результатов машинного обучения: Optimization models for selecting parameters of technological processes based on the machine learning results |
| Source: |
Информационные и математические технологии в науке и управлении. :45-56 |
| Publisher Information: |
Melentiev Energy Systems Institute, 2023. |
| Publication Year: |
2023 |
| Subject Terms: |
математическое программирование, классификация, прочность агломерата, исследование операций, регрессия, машинное обучение |
| Description: |
При решении практических задач достаточно часто возникает необходимость одновременного применения методов машинного обучения и методов исследования операций. Так как в основе многих методов решения задач в обеих областях может лежать кардинально отличающийся друг от друга математический инструментарий, то объединить их результаты в единый комплекс будет невозможно. В данной статье приведен взаимосвязанный комплекс моделей машинного обучения и исследования операций, предназначенный для подбора параметров технологических процессов. Все модели имеют общую математическую базу на основе задач математического программирования с частично-целочисленными переменными. Модели апробированы на реальной задаче подбора состава шихты и технологических параметров агломерационного производства и приведены в последовательности их возникновения в процессе решения задач, поставленных заказчиками исследования. На первом этапе на основе задач регрессии осуществляется отбор наиболее информативных входных признаков и степень их влияния на выходные признаки. Затем на основе задач классификации определяются рекомендуемые области управляемых входных признаков для получения высококачественной продукции. Данные области могут иметь достаточно сложную геометрическую конфигурацию в пространстве признаков. Далее в рамках задач исследования операций определяется эталонные состояния процесса, к которым необходимо стремиться. На заключительном этапе результаты всех предыдущих исследований объединяются в единую оптимизационную модель, которая может быть дополнена результатами исследований, полученных из других источников информации, если эти результаты можно представить как линейные ограничения. Предлагаемый подход к оптимизации параметров может быть использован в различных предметных областях. |
| Document Type: |
Article |
| Language: |
Russian |
| ISSN: |
2413-0133 |
| DOI: |
10.25729/esi.2023.30.2.005 |
| Accession Number: |
edsair.doi...........e6cf6567c93d53a351841dba1e527ca9 |
| Database: |
OpenAIRE |