The calculation of the complex indicator of innovative potential

Сазонова, Анна; Filippova, Lyudmila; Filippov, R.A.; Averchenkov, A.V.; Sheptunov, S.A.

doi:10.31145/1999-513x-2018-7-05-09

Cited by 3 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The output image is segmented into a one-dimensional array and sent to the input of the feed-forward neural network, in this case representing a multilayer perceptron. In addition to the segmented image, weather data is also fed to the input [16].…”

Section: Methodsmentioning

confidence: 99%

An ergonomic system for forecasting forest fires and the peculiarities of their spread in the conditions of man-made development of the world

Kuzmenko,

Filippova,

Martynenko

et al. 2024

E3S Web Conf.

View full text Add to dashboard Cite

This paper deals with the development of an ergonomic system for forecasting wild fires and the features of their spread, which is the object of research. The objective of the study is to make a full-fledged system for forecasting and determining the features of wild fire spread. To achieve this objective, the following tasks are solved: to carry out a comparative analysis of existing systems for forecasting the spread of wild fires in order to identify the disadvantages and advantages of these systems; based on the analysis of existing systems, put forward requirements for the ergonomic system being developed; to develop the structure of a neural network capable of forecasting the spread of wild fires in accordance with the requirements; generate a data set for training and testing the developed neural network and test its operation. To solve the tasks, techniques of analyzing large data sets are used, for example, Data Mining, regression analysis, machine learning, data processing methods such as filtering, augmentation, and others. The practical relevance of this paper lies in the fact that the developed system can be used as an auxiliary system at environmental protection enterprises.

show abstract

Section: Methodsmentioning

confidence: 99%

An ergonomic system for forecasting forest fires and the peculiarities of their spread in the conditions of man-made development of the world

Kuzmenko,

Filippova,

Martynenko

et al. 2024

E3S Web Conf.

View full text Add to dashboard Cite

show abstract

“…Расчет струйного насоса основывается на квазиодномерных теориях Соколова и Зингера -ВТИ [1], Лямаева, Сазонова -РГУ нефти и газа имени И.М. Губкина [2,3], Подвидза и Кирилловского -МВТУ им. Баумана [4], Темнова и Спиридонова -ЮУрГУ [5], Фридмана [6], Каменева, Боровых [7], Sanger -НАСА [8], Cunningham -университет Пенсильвании, США [9], Grupping [10], Reddy и Kar [11], Hatziavramidis [12].…”

unclassified

Research and Calculation of Fluid Dynamics in the Jet Pump

Bityutskikh¹,

Spiridonov²

2016

MEI

View full text Add to dashboard Cite

Южно-Уральский государственный университет, г. ЧелябинскВыполнен обзор исследований струйного насоса. Показано, что его расчет основывается, как правило, на квазиодномерных моделях, базирующихся на уравнениях баланса расходов, энергии, количества движения. Одномерные теории устанавливают взаимосвязь параметров потоков на входе и выходе аппарата и его составных частей. Определение распределения параметров вдоль эжектора не представляется возможным. Это затрудняет, с одной стороны, более полное понимание рабочего процесса, а с другой -оптимальное профилирование проточной части аппарата. Метод CFD позволяет детально проанализировать рабочий процесс насоса. Об этом свидетельствуют публикации, посвящённые исследованию влияния формы проточной части на энергетические и кавитационные характеристики насоса.Целью настоящей работы являлось получение численной модели течения жидкости в проточной части струйного насоса, определение полей скорости и давления в области вовлечения пассивной среды в спутное со струей движение.Представлены материалы лабораторных испытаний струйного насоса и численная модель течения жидкости. Модель основывалась на уравнениях: неразрывности; Навье-Стокса; переноса кинетической энергии турбулентности k и относительной скорости диссипации ε этой энергии. Численная модель решалась в программном комплексе ANSYS Fluent. Лабораторные испытания струйного насоса проводились на стенде в лаборатории кафедры «Гидравлика и гидропневмосистемы» ЮУрГУ. Струйный насос выполнен с коническим соплом, открытой приемной камерой, цилиндрическодиффузорной смесительной камерой, диффузором. В опытах измерялись объемные расходы активного и общего потоков жидкости; статические давления перед соплом, на входе в смесительную камеру и выходе из насоса; температура жидкости.Сопоставлены результаты лабораторного и численного исследований. Доказана правомерность предложенной численной модели течения жидкости в проточной части струйного насоса. Рассчитаны поля скорости и давления в приемной и смесительной камерах насоса при нескольких противодавлениях. Доказано, что последнее влияет не только на распределение скорости и давления в смесительной камере, но и в приемной на участке от среза сопла до входного сечения камеры смешения. При этом наибольшая неравномерность распределения давления наблюдается в плоскости среза сопла, а скорости -во входном сечении смесительной камеры. Струйное течение активного потока в приемной камере является неизобарическим. Наибольший локальный провал давления наблюдается у кромок сопла, что при равенстве минимального давления значению давления насыщенных паров приводит к генерации пара и кавитационным явлениям в струйном насосе.Ключевые слова: струйный насос, математическая модель, турбулентность, численное трехмерное моделирование, лабораторные испытания, верификация, поля скорости и давления, кавитация.Струйные насосы (эжектора) применяются в различных областях техники более двухсот лет в качестве насоса-смесителя; насоса для транспорта газов, жидкостей, твердых сыпучих материалов, либо их смесей; ваку...

show abstract

Development of an Information and Analytical System for Predicting Price Fluctuations and Long-Term Trends Using Generative-Adversarial Neural Networks

et al. 2021

View full text Add to dashboard Cite

Deep learning methods (DML) have been widely used in financial fields recently, such as stock market forecasting, balance the portfolio, financial information processing, and transaction execution strategies. Stock market forecasting and effective trading strategy construction, when using deep learning, are the most popular ways of applying DML in the field of finance. Against the background of the general development of the Russian stock market, the study and investigation of its price dynamics is a highly promising direction for analyzing and forecasting the value of financial assets in which it is planned to invest money. In this study, a new architecture of a conditional generative-adversarial neural network (GAN) with a multi-level perceptron (MLP) as a discriminator and a long short-term memory (LSTM) as a generator for determining trends is proposed. The Box-Jenkins method (ARIMA) is used to determine the confidence interval.

show abstract

The calculation of the complex indicator of innovative potential

Cited by 3 publications

References 0 publications

An ergonomic system for forecasting forest fires and the peculiarities of their spread in the conditions of man-made development of the world

An ergonomic system for forecasting forest fires and the peculiarities of their spread in the conditions of man-made development of the world

Research and Calculation of Fluid Dynamics in the Jet Pump

Development of an Information and Analytical System for Predicting Price Fluctuations and Long-Term Trends Using Generative-Adversarial Neural Networks

Contact Info

Product

Resources

About