Інтелектуальна система класифікації пального на основі методів машинного навчання

Abstract

Актуальність. У сучасних умовах розвитку паливно-енергетичного комплексу зростає потреба у швидкому та точному визначенні типу пального за його фізико-хімічними характеристиками. Стрімке поширення автоматизованих систем контролю якості та необхідність оперативного аналізу великого обсягу даних обумовлюють важливість розробки інтелектуальних методів класифікації. Традиційні лабораторні методи є точними, проте потребують значних затрат часу та ресурсів. Використання моделей машинного навчання дозволяє створити ефективну систему, здатну здійснювати класифікацію пального на основі вимірюваних параметрів, таких як октанове число, щільність, в’язкість, температура спалаху та вміст сірки. Об’єктом роботи є процес класифікації пального за його властивостями. Предметом роботи є методи, моделі та алгоритми машинного навчання для класифікації пального за фізико-хімічними параметрами. Мета роботи полягає у підвищенні ефективності процесу автоматичної класифікації пального шляхом розробки інтелектуальної системи, що використовує сучасні алгоритми аналізу даних. У результаті розроблено працездатну інтелектуальну систему класифікації пального, яка забезпечує високу точність розпізнавання на основі п’яти ключових фізико-хімічних параметрів. Relevance. In modern conditions of development of the fuel and energy complex, there is a growing need for quick and accurate determination of the type of fuel by its physicochemical characteristics. The rapid spread of automated quality control systems and the need for operational analysis of large amounts of data determine the importance of developing intelligent classification methods. Traditional laboratory methods are accurate, but require significant time and resource expenditure. The use of machine learning models allows you to create an effective system capable of classifying fuels based on measured parameters, such as octane number, density, viscosity, flash point and sulfur content. The object of the work is the process of classifying fuels by their properties. The subject of the work is the methods, models and algorithms of machine learning for classifying fuels by physicochemical parameters. The purpose of the work is to increase the efficiency of the automatic fuel classification process by developing an intelligent system that uses modern data analysis algorithms. As a result, a workable intelligent fuel classification system has been developed, which provides high recognition accuracy based on five key physicochemical parameters.