Нейросетевая архитектура вывода решений в опасных ситуациях на сложном технологическом объекте – Дмитрий Глухих

Задачи предотвращения и устранения опасных ситуаций являются актуальными при эксплуатации сложных технологических объектов. Сложные технологические объекты возникают, в частности, в системах жизнеобеспечения города (системы тепло-, водо-, энерго-, газоснабжения), на крупных производственных, добывающих или перерабатывающих предприятиях. Развитие опасных ситуаций на таких объектах может привести к нежелательным или даже катастрофическим последствиям. Процесс принятия решения для устранения (предупреждения) возникающей опасной ситуации направлен на поиск такой программы действий, которая должна перевести текущую нештатную ситуацию в целевую, штатную ситуацию. В статье исследуется возможность реализации метода вывода решения на основе прецедентов с помощью нейросети в целях предупреждения и устранения опасных ситуаций на сложном технологическом объекте городской инфраструктуры. Авторы рассматривают ситуацию как совокупность состояний элементов сложного объекта и связей между ними. Для решения задачи в работе исследуются две архитектуры нейросети: модель на основе многослойного перцептрона и архитектура «компаратор – сумматор». Эксперименты показали, что предложенная нейросетевая архитектура «компаратор – сумматор» для рассматриваемых задач сравнения ситуаций показала более высокую точность, чем многослойный перцептрон. Полученные результаты продолжают известные исследования в области интеграции методов машинного обучения и методов систем, основанных на знаниях, и служат основой для дальнейшей разработки гибридных моделей вывода решений при интеллектуальном управлении сложными объектами.