Глобальный поиск Единое окно поиска по РИД и запросам

База данных (датасет) для обучения искусственных нейронных сетей, предназначенная для прогнозирования показателей надежности водопроводной сети Южного берега Крыма

Наименование РИД База данных (датасет) для обучения искусственных нейронных сетей, предназначенная для прогнозирования показателей надежности водопроводной сети Южного берега Крыма
Реферат База данных предназначена для обучения нейронной сети и содержит обучающую, контрольную и тестовую выборки. База данных содержит данные об участках водопровода Южного берега Крыма: материал, диаметр, длина, количество отказов, время эксплуатации, среднее давление, глубина залегания, интенсивность отказов, вероятность безотказной работы и коэффициент готовности. Данная база служит для обучения искусственной нейронной сети с целью оценки живучести многокомпонентных динамических систем путём расчёта и прогнозирования ключевых показателей их надёжности. Тип ЭВМ: IBM PC – совмест. ПК; ОС: Windows 11. Вид и версия системы управления базой Вид и версия системы управления базой данных: Microsoft Excel 2021 Объем базы данных: :132 КБ
Возможные направления использования В условиях ускоренного социально‑экономического развития наблюдается стремительный рост урбанизации, что влечёт за собой увеличение потребности в водных ресурсах. Водопроводные сети, выступая жизненно важной инфраструктурой городских систем, имеют ключевое значение для обеспечения повседневной жизнедеятельности населения и бесперебойного функционирования промышленности. Таким образом, прогнозирование отказов водопроводных сетей становится критически важным для поддержания их эксплуатационных параметров. Перспективным направлением выглядят методы на базе искусственных нейронных сетей, в частности — глубокое обучение с подкреплением. Это позволит планировать замену участков сети до критических отказов, сократить объём земляных работ и ручных проверок благодаря точным прогнозам, приоритезация ремонтов на основе риска аварий и социально‑экономической значимости зон, сценарное моделирование развития сети при разных вариантах инвестиций.
Количество опытных образцов 0
Количество просмотров 3
Наличие дополнительных файлов True
Использование РИД правообладателем False
Внешнее использование РИД False
НИОКТР (JSON) {}
ИКСИ (JSON) []
ИКСПО (JSON) [{"last_status": {"created_date": "2026-01-28T14:30:17.373808+00:00", "registration_number": "826012800170-3", "status": {"name": "Подтверждена"}}, "copyright_protections": [{"protection_way": {"name": "Осуществлена государственная регистрация"}}]}]
ОЭСР (JSON) []
Дата первого статуса 2026-01-28T10:30:45.084409+00:00
Предполагаемый тип результата База данных
Ожидаемая роль Исполнитель
Заказчик ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "КРЫМСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ ИМЕНИ В.И. ВЕРНАДСКОГО"
Руководитель работы Николенко Илья Викторович
Руководитель организации Курьянов Владимир Олегович
Регистрационный номер НИОКТР 124102900033-7
Последний статус Подтверждена, 626012800231-3, 2026-01-28 10:48:45 UTC
ОКПД Оригиналы программного обеспечения прочие
Ключевые слова интенсивность; сеть; вероятность; давление; отказы
Исполнители ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "КРЫМСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ ИМЕНИ В.И. ВЕРНАДСКОГО"
Авторы Крымов Роман Сергеевич; Николенко Илья Викторович
Коды тематических рубрик 67.53.17 - Системы канализации; 67.53.19 - Системы водоснабжения; 67.13.47 - Работы по санитарно-техническому и инженерному оборудованию зданий; 67.01.85 - Автоматизация и автоматизированные системы; 67.01.81 - Измерения, испытания, контроль и управление качеством
OESR Химические технологии; Cтроительная инженерия; Экология; Гидрология
Приоритеты научно-технического развития а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;