Ефективність методів машинного навчання для розв’язання задач механіки

Abstract

Дипломна робота на здобуття освітнього ступеня магістра 123 «Комп’ютерна інженерія». – Тернопільський національний технічний університет імені Івана Пулюя, Тернопіль 2018. Дипломна робота стосується дослідження ефективності методів машинного навчання для розв’язання задач механіки, а саме, прогнозування діаграм втомного руйнування колектора, виготовленого із сталі 12Х1М1Ф. Новизна полягає у вирішенні науково-практичної задачі дослідження ефективності методів машинного навчання для розв’язування задач механіки, при цьому одержано наступні результати вперше спрогнозовано швидкість росту втомних тріщин в матеріалі колектора пароперегрівника ТЕС, виготовленого із сталі 12Х1М1Ф, методами машинного навчання; проаналізовано ефективність методів машинного навчання до задачі прогнозування росту втомних тріщин у матеріалі колектора пароперегрівника ТЕС; розроблено та описано методику застосування методів машинного навчання до задачі прогнозування швидкості росту втомних тріщин в матеріалі колектора пароперегрівника ТЕС.

The diploma paper for obtaining the Master’s degree 123 «Computer engineering» – Ternopil Ivan Puluj National Technical University, Ternopil 2018. The thesis is concerned with the study of the effectiveness of machine learning methods in solving the problems of mechanics, namely the prediction of the fatigue crack growth diagrams of superheater collector made of 12Ch1MoV steel. The novelty is the ability to predict the growth of fatigue crack by methods of machine learning, such as boosted trees, random forests, neural networks. The analysis of the prediction process was performed. As a result, in all cases, the high accuracy with the use of the method of boosted trees has been confirmed