Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/11615
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Айдемиров Герман Олегович | ru_RU |
dc.contributor.author | Букреев Евгений Михайлович | ru_RU |
dc.contributor.author | Bukreev Evgenii | en_GB |
dc.contributor.editor | Свиркин Михаил Владимирович | ru_RU |
dc.contributor.editor | Svirkin Mikhail Vlаdimirovich | en_GB |
dc.date.accessioned | 2018-07-25T20:34:43Z | - |
dc.date.available | 2018-07-25T20:34:43Z | - |
dc.date.issued | 2017 | |
dc.identifier.other | 016153 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/11615 | - |
dc.description.abstract | По данным Международного Энергетического Агентства(МЭА) общий объем потребления нефти в 2015 году составил примерно 4.3 млрд тонн, что на 55% больше чем в 1973 году. Таким образом, средний рост потребления нефти за прошедшие с момента «нефтяного шока» годы составил приблизительно 1% в год. Вместе с тем, после завершения экономического кризиса 1973-1983 годов потребление нефти стабильно росло вплоть до начала кризиса 2008 года. Применяемый в данной работе подход является одним из многих способов для контроля и мониторинга потребления нефти. В данной работе нейронная сеть обучается на основе алгоритма опыления цветка. С целью сравнения результатов в работе используются другие алгоритмы обучения нейронной сети (метод роя частиц(APSO),метод колонии пчел(ABC)). Было установлено, что метод, предложенный в исследовании работает лучше сравниваемых алгоритмы с точки зрения скорости сходимости и точности прогнозов. Сделаны прогнозы потребления нефти основными странами-импортерами российской нефти на несколько лет и результаты были сравнены с фактическим потреблением. | ru_RU |
dc.description.abstract | According to the International Energy Agency (IEA), the total volume of oil consumption in 2015 was approximately 4.3 billion tons, which is 55% more than in 1973. Thus, the average increase in oil consumption over the years since the "oil shock" years was approximately 1% per year. At the same time, after the economic crisis of 1973-1983, oil consumption steadily grew until the beginning of the 2008 crisis. The approach used in this paper is one of many ways for control and monitoring of oil consumption. In this paper, the neural network is trained by using FP-algorithm. For the purpose of comparing the results, other algorithms for training the neural network (APSO-method, ABC-method) are used. It was found that the method proposed in the study works better compared algorithms in terms of convergence rate and accuracy of forecasts. The forecasts of oil consumption by the main importing countries of Russian oil have been made for several years and the results have been compared with actual consumption. | en_GB |
dc.language.iso | ru | |
dc.subject | потребление нефти | ru_RU |
dc.subject | нейронная сеть | ru_RU |
dc.subject | прогнозирование | ru_RU |
dc.subject | эвристический алгоритм | ru_RU |
dc.subject | oil consumption | en_GB |
dc.subject | neural network | en_GB |
dc.subject | forecasting | en_GB |
dc.subject | heuristic algorithm | en_GB |
dc.title | Forecasting petroleum consumption with neural network | en_GB |
dc.title.alternative | Прогнозирование потребления нефти с использованием нейронной сети | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Bukreev_diplom.pdf | Article | 1,49 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st001562_Svirkin_Mixail_Vladimirovich_(supervisor)(Ru).txt | ReviewSV | 3,3 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.