Регистрация / Вход
Прислать материал

Создание интеллектуальной системы прогнозирования состояний и предварительной оценки ущерба спортивных зданий и сооружений

Фамилия
Ларионова
Имя
Юлия
Отчество
Владимировна
Номинация
Информационные технологии
Институт
Институт информационных технологий и автоматизированных систем управления (ИТАСУ)
Кафедра
Инженерной кибернетики
Академическая группа
ИП-15-М
Научный руководитель
доц. к.т.н. Кожаринов А.С
Название тезиса
Создание интеллектуальной системы прогнозирования состояний и предварительной оценки ущерба спортивных зданий и сооружений
Тезис

Актуальной проблемой в настоящее время является обеспечение техносферной безопасности на объектах, рассчитанных на значительные по объему потоки людей. На сегодняшний день для успешного преодоления данной проблемы используются системы мониторинга несущих конструкций, которые отслеживают показания различных датчиков, установленных на объектах. К таким показателям относятся например деформация строительных конструкций, температура. влажность и ряд других. Пороговые или предельно допустимые значения опасностей устанавливаются для каждого объекта индивидуально.

В данных системах, тем не менее, отсутствуют функции прогнозирования и оценки рисков.

Актуальность работы заключается в требовании объекта обеспечения безопасности жизни и здоровья, находящихся в нем людей и снижение возникновения критичных ситуаций посредством получения точных и надежных прогнозов о неблагоприятной эскалации нагрузок и деформации строительных сооружений.

 Цель работы – создание работоспособной программной системы со следующим функционалом: прогноз показаний датчиков с заданным шагом упреждения, прогноз динамики состояния объекта, осуществление предварительной оценки рисков и возможного ущерба в денежном эквиваленте.

Выполняется разработка математической модели, позволяющая получить оценку риска разрушения здания или его части в денежном эквиваленте, на основе данных о текущем состоянии объекта, факторах и возможных неблагоприятных исходах. В качестве основного метода прогнозирования выбран метод опорных векторов. Время сходимости алгоритма регрессии SVM при краткосрочном прогнозировании меньше чем у искусственных нейронных сетей, алгоритм имеет более высокую точность прогнозирования, меньшее количество регулируемых параметров и более просто определяется структура модели.

Система имеет клиент-серверную архитектуру. Разработка серверного функционала и клиентского модуля будет выполнено с использованием Java.