Регрессионное прогнозирование периодических циклов химико-технологического производства для оценки технического состояния объектов топливно-энергетического комплекса
Журнал: Вестник Воронежского государственного университета инженерных технологий @vestnik-vsuet
Рубрика: Пищевые системы
Статья в выпуске: 3 (109) т.88, 2026 года.
Бесплатный доступ
Актуальность. Поставлена задача оперативного прогнозирования показателя производительности объектов топливно-энергетического комплекса на примере химико-технологического оборудования предприятия. Особенности каждой единицы оборудования возникают вследствие разброса характеристик в ходе периодического ремонта. В настоящее время для прогнозирования используется общая для всех единиц регрессионная зависимость, погрешность которой неудовлетворительная. Целью работы является снижение этой погрешности за счет разработки новых методов прогнозирования. Объект и методы. Исследована возможность применения для прогнозирования четырех регрессионных методов. Качество прогнозирования определялось методом постпрогноза на 3 и 6 отсчетов. Для каждого метода определены среднеквадратичная и среднемедианная погрешности в 50 случайно выбранных ситуациях на каждый горизонт постпрогноза. Ситуации выбирались таким образом, чтобы появилась возможность исследования зависимости погрешностей от начальной длины тренда, то есть количества месяцев работы прогнозируемого оборудования после последнего капитального ремонта. Для снижения трудозатрат использовались возможности оптимизации MS Excel. Результаты. Получены следующие рекомендации по использованию методов. Если оборудование выходит из ремонта или не проработало еще 3 месяца, наилучшим является копирование среднего тренда. В интервале 4-7 месяцев, наиболее сложном, наилучшим является предложенный автором метод. В интервале 7-30 месяцев конкурентными являются поиск кубической регрессии опорного тренда с уточнением в случае его недостаточной длины и копирование среднего тренда. Во всех случаях достигается примерно трехкратное снижение погрешности прогнозирования по сравнению с методом, используемым в настоящее время. При бо́льшей длине опорного тренда ни один метод прогнозирования не обеспечивает существенного снижения погрешности. Заключение. Предлагаемый набор методов может использоваться для решения аналогичных задач в случаях, когда применение более совершенных методов, наподобие нейронных сетей, затруднено короткими рядами данных и их особенностями.
Короткий адрес: https://sciup.org/140317013
IDS: 140317013 | УДК: 661.11+004.92 | DOI: 10.20914/2310-1202-2026-3-20-30
Regression forecasting of periodic cycles of chemical engineering production for assessing the technical state of fuel and energy complex facilities
Relevance. The task of operational forecasting of the productivity indicator of the chemical-technological equipment of the enterprise is set. The features of each piece of equipment arise due to the variation of characteristics during periodic repairs. Currently, a regression relationship common to all units is used for forecasting, the error of which is unsatisfactory. The aim of the work is to reduce this error by developing new forecasting methods. Object and methods. The possibility of using four regression methods for forecasting is investigated. The quality of forecasting was determined by the method of postprognosis for 3 and 6 counts. For each method, the root-mean-square and median errors were determined in 50 randomly selected situations for each post-forecast horizon. The situations were chosen in such a way that it was possible to study the dependence of errors on the initial length of the trend, that is, the number of months of operation of the predicted equipment after the last major overhaul. The optimization capabilities of MS Excel were used to reduce labor costs. Results. The following recommendations on the use of methods have been obtained. If the equipment is out of repair or has not worked for another 3 months, it is best to copy the average trend. In the interval of 4-7 months, the most difficult, the method proposed by the author is the best. In the range of 7-30 months, it is competitive to search for a cubic regression of the reference trend with refinement in case of insufficient length and copying the average trend. In all cases, an approximately threefold reduction in the prediction error is achieved compared to the method currently used. With a longer reference trend length, no forecasting method provides a significant reduction in error. Conclusions. The proposed set of methods can be used to solve similar problems in cases where the application of more advanced methods, such as neural networks, is hampered by short data series and their features.