Подход к подбору компрессорного оборудования судна методами статистической обработки данных
- Авторы: Цветков В.А.1, Пронин В.А.1, Кованов А.В.1, Михайлова Е.Н.1
-
Учреждения:
- Университет ИТМО
- Выпуск: Том 111, № 3 (2022)
- Страницы: 151-163
- Раздел: Оригинальные исследования
- URL: https://freezetech.ru/0023-124X/article/view/111016
- DOI: https://doi.org/10.17816/RF111016
- ID: 111016
Цитировать
Полный текст



Аннотация
Введение. Компрессоры необходимы для обеспечения потребителей судовых энергетических систем и в целом судна сжатым воздухом различного давления и расхода. От грамотного подбора компрессорного оборудования зависит исправное функционирование объектов инфраструктуры водного транспорта. Отсюда возникает необходимость подробного рассмотрения этого вопроса. Если бы все переменные, т.е. рассматриваемые параметры подбора компрессоров, измерялись в одинаковых шкалах и единицах измерения, можно было бы предложить сложить все значения, однако данный подход является очень грубым. Выход – нормировка значений переменных, а затем вычисление на их основе итогового критерия.
Цель. Поиск формального критерия, по которому будет произведен подбор того или иного компрессора.
Материал и методы. Рассматривается подбор компрессорного оборудования для систем пускового и рабочего воздуха судна методами экспоненциальной и линейной нормировки. Для статистической обработки предлагаются определенные параметры компрессоров отечественных и зарубежных производителей. Последующим этапом обработка данных осуществлялась методами максимального правдоподобия и логистической регрессии.
Результаты. Результатом исследования является получение одного формального критерия – итогового рейтинга, вместо нескольких качественных параметров. На основании полученного значения определен оптимальный по совокупности своих характеристик компрессор. Произведено моделирование вероятности отнесения компрессора, с определенным набором характеристик, к положительному или отрицательному классу. Предпринято обучение модели на основе имеющихся тренировочных данных, для подбора компрессоров.
Заключение. Статистические методы обработки данных могут быть применены относительно такого объекта исследования, как компрессор. При наличии набора исходных данных (характеристик компрессора) становится возможным научить машину определить оптимальный вариант компрессора.
Полный текст

Об авторах
Вадим Александрович Цветков
Университет ИТМО
Автор, ответственный за переписку.
Email: wadimtsvetkov@mail.ru
ORCID iD: 0000-0003-4357-0022
аспирант, ассистент
Россия, Санкт-ПетербургВладимир Александрович Пронин
Университет ИТМО
Email: maior.pronin@mail.ru
ORCID iD: 0000-0002-9278-5903
SPIN-код: 3737-3495
д.т.н., профессор
Россия, Санкт-ПетербургАлександр Викторович Кованов
Университет ИТМО
Email: avkovanov@itmo.ru
ORCID iD: 0000-0003-2821-795X
аспирант
Россия, Санкт-ПетербургЕкатерина Николаевна Михайлова
Университет ИТМО
Email: mikhaylova_en@mail.ru
ORCID iD: 0000-0002-2700-0348
аспирант
Россия, Санкт-ПетербургСписок литературы
- Гофлин А.П., Шилов В.Д. Судовые компрессорные машины: учебник для судостроит. специальностей вузов. Л.: Судостроение, 1977.
- Тигарев П.А. Справочник по судовым компрессорам. Л.: Судостроение, 1981.
- Мхитарян В.С. Анализ данных: учебник для академического бакалавриата / под редакцией В. С. Мхитаряна. Москва: Юрайт, 2019.
- Ковалев Е.А. Теория вероятностей и математическая статистика для экономистов: учебник и практикум для вузов / под общей редакцией Медведева Г. А. 2-е изд., испр. и доп. Москва: Издательство Юрайт, 2020.
- Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Berlin: Springer, 2014.
- Wasserman L. All of Statistics A Concise Course in Statistical Inference. New York: Springer-Verlag, 2004.
- Michie D., Spiegelhalter D.J., Taylor C.C. Machine Learning, Neural and Statistical Classification. Technometrics, 37(4), 1994. Режим доступа: https://www1.maths.leeds.ac.uk/~charles/statlog/whole.pdf
- Hosmer Jr. D.W., Lemeshow S., Sturdivant R.X. Applied Logistic Regression. 3rd ed. New York: John Wiley & Sons, 2013.
- Бабешко Л.О. Эконометрика и эконометрическое моделирование: учебник. Москва: Вузовский учебник: ИНФРА-М, 2019.
- Елисеева И.И. Эконометрика: учебник для бакалавриата и магистратуры. Москва: Юрайт, 2017.
- Де Прадо Маркос Лопес: Машинное обучение: алгоритмы для бизнеса. СПб.: Питер, 2019.
- James G., Witten D., Hastie T., et al. An Introduction to Statistical Learning: With Applications in R. Berlin: Springer, 2013.
- The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Berlin: Springer, 2009.
- Bishop C.M. Pattern Recognition And Machine Learning. New Delhi: Springer India, 2013.
- Постановка и решение задачи с помощью надстройки «Поиск решения» Excel для Microsoft [internet]. – Режим доступа: https://support.microsoft.com/ru-ru/office/постановка-и-решение-задачи-с-помощью-надстройки-поиск-решения-5d1a388f-079d-43ac-a7eb-f63e45925040 Дата обращения: 11.08.2022.
Дополнительные файлы
