Show simple item record

dc.contributor.authorКлепикова, Светлана В.
dc.contributor.authorKlepikova, Svitlana
dc.contributor.authorКлепікова, Світлана В.
dc.date.accessioned2020-02-17T10:03:07Z
dc.date.available2020-02-17T10:03:07Z
dc.date.issued2018
dc.identifier.citationКлепикова С. В. Применение нейронных сетей в управлении энергоэффективностью предприятия / С. В. Клепикова // Нейро-нечіткі технології моделювання в економіці : наук.-анал. журн. / М-во освіти і науки України, ДВНЗ «Київ. нац. екон. ун-т ім. Вадима Гетьмана» ; редкол.: А. В. Матвійчук (голов. ред.) [та ін.]. – Київ : КНЕУ, 2018. – № 7. – С. 127–147.uk_UA
dc.identifier.issn2306-3289
dc.identifier.urihttps://ir.kneu.edu.ua:443/handle/2010/32153
dc.description.abstractСтатья посвящена созданию методики использования нейронных сетей при решении задач управления энергоэффективностью предприятия, позволяющей получить приближенное ожидаемое значение энергоемкости производства в зависимости от значений основных влияющих на нее факторов. В качестве нейронной сети выбран многослойный прямонаправленный перцептрон, синтез которого осуществлен применением метода генетического алгоритма. При определении выборки для синтеза нейронной сети использованы результаты, полученные методом априорного ранжирования и корреляционно‐регрессионного анализа по статистическим данным промышленных предприятий машиностроительного профиля. Приведены рекомендации использования методики и применения ее результатов при практической реализации на предприятии. Проведенные на ее основе расчеты обеспечили высокую точность прогнозирования значений энергоемкости для предприятий, которые были включены в выборку при синтезе нейронной сети, и приемлемую погрешность при проверке по предприятиям, включенным в тестовую выборку. The article is devoted to the creation of a method for using of neural networks approach in solving problems of energy efficiency management at the industrial enterprise. The method allows to obtain an approximate expected value of the energy intensity of production, depending on the values of the main factors affecting it. The multilayer perceptron was chosen as the type of neural network, synthesis of which was carried out by using the genetic algorithm. When sampling for the synthesis of a neural network, we used the results that were obtained by means of a priori ranking, correlation and regression analysis based on the statistical data of industrial enterprises in machine‐building profile. The recommendations of the use of the method and the application of its results in the practical implementation at the industrial enterprise are given. Calculations based on the aforementioned method ensured a high precision of prediction of energy intensity values for industrial enterprises that were included in the sample during the synthesis of the neural network, and an acceptable error while testing on industrial enterprises from a test sample. Стаття присвячена розробці методики використання нейронних мереж при вирішенні завдань управління енергоефективністю підприємства, що дозволяє отримати наближене очікуване значення енергоємності виробництва в залежності від значень основних факторів, які впливають на неї. Типом нейронної мережі обрано багатошаровий прямоспрямований перцептрон, синтез якого здійснений із застосуванням методу генетичного алгоритму. При формуванні вибірки для синтезу нейронної мережі використані результати, отримані методом апріорного ранжирування і кореляційно‐регресійного аналізу за статистичними даними промислових підприємств машинобудівного профілю. Наведено рекомендації щодо використання методики і застосування її результатів при практичній імплементації на підприємс‐ тві. Проведені на її основі розрахунки забезпечили високу точність прогнозування значень енергоємності для підприємств, які були включені до вибірки при синтезі нейронної мережі, і прийнятну похибку при перевірці за підприємствами, включеними до тестової вибірки.uk_UA
dc.language.isoruuk_UA
dc.publisherДВНЗ «Київський національний економічний університет імені Вадима Гетьмана»uk_UA
dc.subjectэнергоэффективность предприятияuk_UA
dc.subjectэнергоемкостьuk_UA
dc.subjectаприорное ранжированиеuk_UA
dc.subjectкорреляционнорегрессионный анализuk_UA
dc.subjectнейронная сетьuk_UA
dc.subjectгенетический алгоритмuk_UA
dc.subjectмногослойный перцептронuk_UA
dc.subjectenergy efficiency of the industrial enterpriseuk_UA
dc.subjectenergy intensityuk_UA
dc.subjectpriori rankinguk_UA
dc.subjectcorrelation and regression analysisuk_UA
dc.subjectneural networkuk_UA
dc.subjectgenetic algorithmuk_UA
dc.subjectmultilayer perceptronuk_UA
dc.subjectенергоефективність підприємстваuk_UA
dc.subjectенергоємністьuk_UA
dc.subjectапріорне ранжуванняuk_UA
dc.subjectкореляційнорегресійний аналізuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectгенетичний алгоритмuk_UA
dc.subjectбагатошаровий перцептронuk_UA
dc.titleПрименение нейронных сетей в управлении энергоэффективностью предприятияuk_UA
dc.title.alternativeNeural networks application in managing the energy efficiency of industrial enterpriseuk_UA
dc.title.alternativeЗастосування нейронних мереж в управлінні енергоефективністю підприємстваuk_UA
dc.typeArticleuk_UA
dc.subject.udc338.45uk_UA
dc.subject.udc519.86uk_UA


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record