1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 122 — комп’ютерні науки, F3 Комп’ютерні науки
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://elartu.tntu.edu.ua/handle/lib/52144
Název: Методи обробки та аналізу даних сенсорів внутрішнього середовища розумних будівель
Další názvy: Methods for Processing and Analyzing Sensor Data of Smart Building Indoor Environments
Autoři: Котлінський, Олександр Олексійович
Kotlinskyi, Oleksandr
Affiliation: Тернопільський національний технічний університет імені ім. І. Пулюя
Bibliographic description (Ukraine): {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с.
Bibliographic reference (2015): Котлінський О. О. Методи обробки та аналізу даних сенсорів внутрішнього середовища розумних будівель : робота на здобуття кваліфікаційного ступеня магістра : спец. 122 - комп’ютерні науки / наук. кер. В. В. Пасічник. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2026. 92 с.
Datum vydání: 27-kvě-2026
Submitted date: 13-kvě-2026
Date of entry: 6-čer-2026
Nakladatel: Тернопільський національний технічний університет імені ім. І. Пулюя
Country (code): UA
Place of the edition/event: Тернопіль
Supervisor: Пасічник, Володимир Володимирович
Pasichnyk, Volodymyr
UDC: 004.04
Klíčová slova: 122
комп’ютерні науки
багатоцільова оптимізація
біоінспірований алгоритм
енергоефективність
обробка даних
розумна будівля
сенсор навколишнього середовища
тепловий комфорт
bioinspired algorithm
data processing
energy efficiency
environmental sensor
multi-objective optimization
smart building
thermal comfort
Page range: 92
Abstrakt: Кваліфікаційна робота присвячена розробці й обґрунтуванню методів обробки та аналізу даних сенсорів «розумних будівель» для багатокритеріальної оптимізації енергоменеджменту. В першому розділі описані концептуальні засади систем моніторингу в інфраструктурі «розумного міста». Висвітлено роль внутрішнього середовища для комфорту мешканців. Розглянуто структуру споживання енергії інженерними вузлами. Проаналізовано конфлікт між екологічністю й економією, обґрунтовано ефективність еволюційних підходів штучного інтелекту. В другому розділі формалізовано задачу багатоцільової оптимізації та створено середовище моделювання. Досліджено структуру датасету CU-BEMS. Подано математичний опис п'яти новітніх біоінспірованих алгоритмів. В третьому розділі описано результати експериментів за різних сценаріїв роботи систем. Проаналізовано енергоефективність і швидкість збіжності оптимізаторів. Проведено побудову компромісних рішень. Об’єкт дослідження: процеси обробки та аналізу даних сенсорів внутрішнього середовища будівель. Предмет дослідження: методи, моделі та біоінспіровані алгоритми оптимізації енергоспоживання інженерних систем.
The qualification work is devoted to the development and justification of methods for processing and analyzing data from sensors of "smart buildings" for multi-criteria optimization of energy management. The first section describes the conceptual principles of monitoring systems in the infrastructure of a "smart city". The role of the internal environment for the comfort of residents is highlighted. The structure of energy consumption by engineering nodes is considered. The conflict between environmental friendliness and economy is analyzed, the effectiveness of evolutionary approaches to artificial intelligence is substantiated. In the second section, the multi-objective optimization problem is formalized and a modeling environment is created. The structure of the CU-BEMS dataset is studied. A mathematical description of five new bioinspired algorithms is presented. In the third section, the results of experiments under different scenarios of system operation are described. The energy efficiency and convergence speed of optimizers are analyzed. Compromise solutions are constructed. The object of research: the processes of processing and analyzing data from sensors of the internal environment of buildings. Subject of research: methods, models and bioinspired algorithms for optimizing energy consumption of engineering systems
Popis: Роботу виконано на кафедрі комп'ютерних наук Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 27.05.2026р. на засіданні екзаменаційної комісії №33 у Тернопільському національному технічному університеті імені Івана Пулюя
Content: Вступ 9 Розділ 1. Стан і тенденції аналізу та набори даних внутрішнього середовища розумних будівель 12 1.1. Стан та тенденції розвитку інформаційних технологій аналізу даних сенсорів внутрішнього середовища розумних будівель 12 1.2. Математичне формалізування задачі обробки та аналізу даних сенсорів внутрішнього середовища «розумних будівель» 15 1.3. Набір даних сенсорів внутрішнього середовища «розумних будівель» 17 1.4. Очищення та попередня обробка даних сенсорів внутрішнього середовища «розумних будівель» 18 1.5. Висновок до першого розділу 19 Розділ 2. Математичне та алгоритмічне забезпечення задачі аналізу даних сенсорів внутрішнього середовища «розумних будівель» 20 2.1. Деталізація задачі аналізу даних сенсорів внутрішнього середовища «розумних будівель» 20 2.1.1. Мінімізація енергоспоживання «розумних будівель» 20 2.1.2. Оптимізація комфорту «розумних будівель» 21 2.1.3. Обмеження аналізу даних сенсорів внутрішнього середовища «розумних будівель» 23 2.2. Алгоритми аналізу даних сенсорів внутрішнього середовища «розумних будівель» на основі природніх процесів 24 2.2.1. Оптимізатор «пума» 25 2.2.2. Оптимізатор «морж» 27 2.2.3. Алгоритм оптимізації «літаюча лисиця» 29 2.2.4. Алгоритм «рослина водяне колесо» 30 2.2.5. Оптимізатор «енергетична долина» 32 2.3. Показники оптимізації внутрішнього середовища «розумних будівель» 33 2.3.1. Показники енергоспоживання «розумних будівель» 33 2.3.2. Показники комфорту внутрішнього середовища «розумних будівель» 34 Стабільність температури. 35 2.4. Показники продуктивності біоінспірованих алгоритмів аналізу даних сенсорів внутрішнього середовища «розумних будівель» 36 2.4.1. Швидкість збіжності 36 2.4.2. Надійність алгоритмів в умовах коливань від зовнішніх факторів 37 2.4.3. Різноманітність рішень – аналіз фронту парето 37 2.5. Середовище моделювання процесів аналізу даних сенсорів внутрішнього середовища «розумних будівель» 38 2.5.1. Налаштування моделі «розумних будівель» 38 2.5.2. Параметри алгоритмів аналізу даних сенсорів внутрішнього середовища «розумних будівель» 40 2.5.3. Налаштування сценаріїв аналізу даних сенсорів внутрішнього середовища «розумних будівель» 41 2.6. Висновок до другого розділу 44 Розділ 3. Імітаційне моделювання, аналітичний синтез та комплексна оцінка результатів опрацювання даних сенсорів внутрішнього середовища «розумних будівель» 45 3.1. Огляд продуктивності алгоритмів аналізу даних сенсорів внутрішнього середовища «розумних будівель» 45 3.1.1. Оптимізатор «пума» 45 3.1.2. Оптимізатор «морж» 48 3.1.3. Алгоритм оптимізації «літаюча лисиця» 50 3.1.4. Алгоритм «рослина водяне колесо» 52 3.1.5. Оптимізатор «eнергетична долина» 55 3.2. Порівняльний аналіз алгоритмів опрацювання даних сенсорів внутрішнього середовища «розумних будівель» 57 3.3. Аналіз чутливості та надійності алгоритмів опрацювання даних сенсорів внутрішнього середовища «розумних будівель» 61 3.4. Багатовимірна візуалізація компромісів між енергоефективністю та комфортом 64 3.5. Порівняльний аналіз ефективності оптимізаторів алгоритмів опрацювання даних сенсорів внутрішнього середовища «розумних будівель» 67 3.6. Комплексна оцінка та висновки щодо ефективності оптимізаційних методів опрацювання даних сенсорів внутрішнього середовища «розумних будівель» 72 3.7. Висновок до третього розділу 74 Розділ 4. Безпека життєдіяльності, основи хорони праці 76 4.1. Організація безпечних умов праці при експлуатації інженерних систем опалення, вентиляції та кондиціонування повітря 76 4.2. Превентивні інженерно-технічні заходи пожежо та вибухозахисту в системах опалення, вентиляції, освітлення та кондиціонування повітря 80 Висновки 84 Перелік джерел 87 Додатки 95
URI: http://elartu.tntu.edu.ua/handle/lib/52144
ISBN: {ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с.
{ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с.
{ВІДКОРЕГУЙТЕ!!!} Прізвище І. Б. Назва : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 — комп’ютерні науки“ / І. Б. Прізвище. — Тернопіль: ТНТУ, РІК. — ХХ с.
Copyright owner: © Котлінський Олександр Олексійович, 2026
References (Ukraine): 1. Phan, A., T. Vu, D. Nguyen, E. Sanseverino, H. Le, and V. Bui. 2022. “Data Compensation with Gaussian Processes Regression: Application in Smart building’s Sensor Network.” Energies (Basel) 15 (23): 9190. https://doi.org/ 10.3390/en15239190
2. Udendhran, R. 2023. “Smart Energy Consumption Control in Commercial Buildings Using Machine Learning and IoT.” E3S Web of Conferences, 02003, 387. https://doi.org/10. 1051/e3sconf/202338702003
3. Newton, S., A. Shirazi, and P. Christensen. 2021. “Defining and Demonstrating a Smart Technology Configuration to Improve Energy Performance and Occupant Comfort in Existing Buildings: A Conceptual Framework.” International Journal of Building Pathology and Adaptation 41 (1): 182–200. https://doi.org/10.1108/ijbpa- 04-2021-0046
4. Aldakheel, J. 2023. “Indoor Environmental Quality Evaluation of Smart/Artificial Intelligence Techniques in Buildings – a Review.” E3S Web of Conferences, 01101, 396. https:// doi.org/10.1051/e3sconf/202339601101
5. Alrahahleh, M., A. Alrahahleh and T. Slaihat. 2024. “The Impact of Adopting Social Responsibility as a Mechanism for Using Smart Sustainable Solutions in the Ministry of Public Works and Housing in Jordan.” Al-Balqa Journal for Research and Studies 27 (SE): 88–105. https://doi.org/10. 35875/j59fme90
6. Al-Jokhadar, A., S. Alnusairat, Y. Abuhashem and Y. Soudi. 2023. “The Impact of Indoor Environmental Quality (IEQ) in Design Studios on the Comfort and Academic Performance of Architecture Students.“ Buildings 13 (11): 2883.
7. Elnaklah, R., Y. Ayyad, S. Alnusairat, H. AlWaer, and A. AlShboul. 2023. “A Comparison of Students’ Thermal Comfort and Perceived Learning Performance Between Two Types of University Halls: Architecture Design Studios and Ordinary Lecture Rooms During the Heating Season.“ Sustainability 15 (2): 1142.
8. Gómez‐Romero, J., C. Fernandez-Basso, M. Cambronero, M. Molina-Solana, J. Campaña, M. Ruiz, and M. J. Martin- Bautista. 2019. “A Probabilistic Algorithm for Predictive Control with Full-Complexity Models in Non-Residential Buildings.” Institute of Electrical and Electronics Engineers Access 7:38748–38765. https://doi.org/10.1109/access. 2019.2906311
9. Franco, A. 2024. “Synergy in Action: Integrating Environmental Monitoring, Energy Efficiency, and IoT for Safer Shared Buildings.” Preprints. https://doi.org/10. 20944/preprints202403.1115.v1
10. Adewumi, A., C. Emilia Okoli, F. Oluwadamilare Usman, K. Andrew Olu-Lawal, and O. Timothy Soyombo. 2024. “Reviewing the Impact of AI on Renewable Energy Efficiency and Management.” International Journal of Science and Research Archive 11 (1): 1518–1527. https:// doi.org/10.30574/ijsra.2024.11.1.0245
11. Onwusinkwue, S., F. Osasona, I. Ahmad Ibrahim Ahmad, A. Chigozie Anyanwu, S. Onimisi Dawodu, O. Chimezie Obi, and A. Hamdan. 2024. “Artificial Intelligence (AI) in Renewable Energy: A Review of Predictive Maintenance and Energy Optimization.” World Journal of Advanced Research & Reviews 21 (1): 2487–2799. https://doi.org/10. 30574/wjarr.2024.21.1.0347
12. Șerban, A., and M. Lytras. 2020. “Artificial Intelligence for Smart Renewable Energy Sector in Europe–Smart Energy Infrastructures for Next Generation Smart Cities.” Institute of Electrical and Electronics Engineers Access 8:77364–77377. 2990123 . https://doi.org/10.1109/access.2020.
13. Chakravarthi, V. 2021. “Energy Efficient and Hybrid Bio-Inspired Ant-Cuckoo Algorithm for Wireless Sensor Network.” Bioscience Biotechnology Research Communications 14 (6): 335–338. https://doi.org/10. 21786/bbrc/14.6.69
14. Hussain, I., M. Ullah, I. Ullah, A. Bibi, M. Naeem, M. Singh, and D. Singh. 2020. “Optimizing Energy Consumption in the Home Energy Management System via a Bio-Inspired Dragonfly Algorithm and the Genetic Algorithm.” Electronics 9 (3): 406. https://doi.org/10.3390/electro nics9030406
15. Montoya, E., E. Mendoza, and E. Stamhuis. 2023. “Biomimetic Design of Turbine Blades for Ocean Current Power Generation.” Biomimetics 8 (1): 118. https://doi.org/10. 3390/biomimetics8010118
16. Bagheri, A., K. Genikomsakis, S. Koutra, V. Sakellariou, and C. Ioakimidis. 2021. “Use of AI Algorithms in Different Building Typologies for Energy Efficiency Towards Smart Buildings.” Buildings 11 (12): 613. https://doi.org/10.3390/ buildings11120613
17. Hamid, M., and A. Ganne. 2023. “Artificial Intelligence in Energy Markets and Power Systems.” International Research Journal of Modernization in Engineering Technology and Science. https://doi.org/10.56726/ IRJMETS35943
18. Agouzoul, A., E. Simeu, and M. Tabaa. 2024. “Advancing Sustainable Building Practices: Intelligent Methods for Enhancing Heating and Cooling Energy Efficiency.” Sustainability 16 (7): 2879. https://doi.org/10.3390/ su16072879
19. Lian, L., and H. Xie. 2022. “Occupant Seating Optimization to Reduce Lighting Energy Consumption and Improve Comfort.” E3S Web of Conferences, 01063, 356. https:// doi.org/10.1051/e3sconf/202235601063
20. Ridi, A., C. Gisler, and J. Hennebert. 2014. “A Survey on Intrusive Load Monitoring for Appliance Recognition.” IEEE Conference on Pattern Recognition. https://doi.org/ 10.1109/icpr.2014.636
21. Chia, K., L. Amy, V. Agarwal, M. Lee, J. Ikedo, J. Wolfe, Trenbath, K. and Kleissl, J. 2023. “Integration of a Smart Outlet-Based Plug Load Management System with a Building Automation System.” GridEdge Conference. https://doi.org/10.1109/gridedge54130.2023.10102749
22. Chen, X., Q. Wang, and J. Srebric. 2015. “A Data-Driven State-Space Model of Indoor Thermal Sensation Using Occupant Feedback for Low-Energy Buildings.” Energy & Buildings 91:187–198. https://doi.org/10.1016/j.enbuild. 2015.01.038
23. Esnaola-Gonzalez, I., J. Bermúdez, I. Fernández, A. Arnáiz, Á. Sicilia, P. Pauwels, L. Madrazo, et al. 2018. “Semantic Prediction Assistant Approach Applied to Energy Efficiency in Tertiary Buildings.” Semantic Web 9 (6): 735–762. https://doi.org/10.3233/sw-180296.
24. Jin, M., R. Jia, and C. Spanos. 2017. “Virtual Occupancy Sensing: Using Smart Meters to Indicate Your Presence.” IEEE Transactions on Mobile Computing 16 (11): 3264–3277. https://doi.org/10.1109/tmc.2017.2684806
25. Jin, W., I. Ullah, S. Ahmad, and D. Kim. 2019. “Occupant Comfort Management Based on Energy Optimization Using an Environment Prediction Model in Smart Homes.” Sustainability 11 (4): 997. https://doi.org/10. 3390/su11040997
26. Pipattanasomporn, M., G. Chitalia, J. Songsiri, C. Aswakul, W. Pora, S. Suwankawin, N. Hoonchareon, and N. Hoonchareon. 2020. “CU-BEMS, Smart Building Electricity Consumption and Indoor Environmental Sensor Datasets.” Scientific Data 7 (1): 241. https://doi. org/10.1038/s41597-020-00582-3.
27. Benavente-Peces, C., and N. Ibadah. 2020. “Buildings Energy Efficiency Analysis and Classification Using Various Machine Learning Technique Classifiers.” Energies (Basel) 13 (13): 3497. https://doi.org/10.3390/en13133497
28. Shapi, M. K. M., N. A. Ramli, and L. J. Awalin. 2021. “Energy Consumption Prediction by Using Machine Learning for Smart Building: Case Study in Malaysia.” Developments in the Built Environment 5:100037. https://doi.org/10.1016/j. dibe.2020.100037
29. Talei, H., D. Benhaddou, C. Gamarra, H. Benbrahim, and M. Essaaidi. 2021. “Smart Building Energy Inefficiencies Detection Through Time Series Analysis and Unsupervised Machine Learning.” Energies (Basel) 14 (19): 6042. https://doi.org/10.3390/en14196042
30. Ünal, F., A. Almalaq, and S. Ekici. 2021. “A Novel Load Forecasting Approach Based on Smart Meter Data Using Advance Preprocessing and Hybrid Deep Learning.” Applied Sciences 11 (6): 2742. https://doi.org/10.3390/ app11062742
31. Zhang, Y., and G. Augenbroe. 2018. “Optimal Demand Charge Reduction for Commercial Buildings Through a Combination of Efficiency and Flexibility Measures.” Applied Energy 221:180–194. https://doi.org/10.1016/j.apenergy.2018.03.150
32. Karim, F. K., D. S. Khafaga, M. M. Eid, S. K. Towfek, and H. K. Alkahtani. 2023. “A Novel Bio-Inspired Optimization Algorithm Design for Wind Power Engineering Applications Time-Series Forecasting.” Biomimetics 8 (3): 321. https://doi.org/10.3390/biomimetics8030321
33. Khan, F. A., K. Ullah, A. U. Rahman, and S. Anwar. 2023. “Energy Optimization in Smart Urban Buildings Using Bio-Inspired Ant Colony Optimization.” Soft Computing 27 (2): 973–989. https://doi.org/10.1007/s00500-022- 07537-3
34. Rajput, V., P. Mulay, and C. M. Mahajan. 2024. “Bio-Inspired Algorithms for Feature Engineering: Analysis, Applications and Future Research Directions.” Information Discovery and Delivery 53 (1): 56–71. https://doi.org/10.1108/IDD- 06-2023-0049
35. Zamani, H., M. H. Nadimi-Shahraki, and A. H. Gandomi. 2022. “Starling Murmuration Optimizer: A Novel Bio-Inspired Algorithm for Global and Engineering Optimization.” Computer Methods in Applied Mechanics and Engineering 392:114616. https://doi.org/10.1016/j.cma.2022.114616
36. Abdollahzadeh, B., M. T. Afzal, Z. Beheshti, M. Asadi, A. A. Heidari, E.-S. M. El-Kenawy, L. Abualigah, and S. Mirjalili. 2024. “Puma Optimizer (PO): A Novel Metaheuristic Optimization Algorithm and Its Application in Machine Learning.” Cluster Computing 27 (4): 5235–5283. https://doi.org/10.1007/s10586-023-04221-5
37. Wang, W. C., W. C. Tian, D. M. Xu, and H. F. Zang. 2024. “Arctic Puffin Optimization: A Bio-Inspired Metaheuristic Algorithm for Solving Engineering Design Optimization.” Advances in Engineering Software 195:103694. https://doi. org/10.1016/j.advengsoft.2024.103694
38. Geng, Y., Y. Li, and C. Deng. 2024. “An Improved Binary Walrus Optimizer with Golden Sine Disturbance and Population Regeneration Mechanism to Solve Feature Selection Problems.” Biomimetics 9 (8): 501. https://doi. org/10.3390/biomimetics9080501
39. Mohammed, H., and T. Rashid. 2023. “FOX: A FOX-Inspired Optimization Algorithm.” Applied Intelligence 53 (1): 1030–1050. https://doi.org/10.1007/s10489-022-03533-0
40. Zhang, Z., X. Wang, and L. Cao. 2024. “FOX Optimization Algorithm Based on Adaptive Spiral Flight and Multi-Strategy Fusion.” Biomimetics 9 (9): 524. https://doi. org/10.3390/biomimetics9090524
41. Abdelhamid, A. A., S. K. Towfek, N. Khodadadi, A. A. Alhussan, D. S. Khafaga, M. M. Eid, and A. Ibrahim. 2023. “Waterwheel Plant Algorithm: A Novel Metaheuristic Optimization Method.” Processes 11 (5): 1502. https://doi.org/10.3390/ pr11051502
42. Azad, M. A., I. Sajid, S. D. Lu, A. Sarwar, M. Tariq, S. Ahmad, H.- D. Liu, C.-H. Lin, and H. A. Mahmoud. 2023. “Energy Valley Optimizer (EVO) for Tracking the Global Maximum Power Point in a Solar PV System Under Shading.” Processes 11 (10): 2986. https://doi.org/10.3390/pr11102986
43. Al Mindeel, T., E. Spentzou, and M. Eftekhari. 2024. “Energy, Thermal Comfort, and Indoor Air Quality: Multi-Objective Optimization Review.” Renewable and Sustainable Energy Reviews 202:114682. https://doi.org/10.1016/j.rser.2024. 114682
44. Amasyali, K., and N. M. El-Gohary. 2021. “Real Data-Driven Occupant-Behavior Optimization for Reduced Energy Consumption and Improved Comfort.” Applied Energy 302:117276. https://doi.org/10.1016/j.apenergy.2021.117276
45. Bansal, S. 2020. “Performance Comparison of Five Metaheuristic Nature-Inspired Algorithms to Find Near-OGRs for WDM Systems.” Artificial Intelligence Review 53 (8): 5589–5635. https://doi.org/10.1007/s10462-020-09829-2
46. Chegari, B., M. Tabaa, E. Simeu, F. Moutaouakkil, and H. Medromi. 2021. “Multi-Objective Optimization of Building Energy Performance and Indoor Thermal Comfort by Combining Artificial Neural Networks and Metaheuristic Algorithms.” Energy & Buildings 239:110839. https://doi.org/10.1016/j.enbuild.2021.110839
47. Zaman, H. R. R., and F. S. Gharehchopogh. 2022. “An Improved Particle Swarm Optimization with Backtracking Search Optimization Algorithm for Solving Continuous JOURNAL OF ASIAN ARCHITECTURE AND BUILDING ENGINEERING 1113 Optimization Problems.” Engineering with Computers 38 (S4): 2797–2831. https://doi.org/10.1007/s00366-021- 01431-6
48. Xue, Y., X. Cai, and F. Neri. 2022. “A Multi-Objective Evolutionary Algorithm with Interval-Based Initialization and Self-Adaptive Crossover Operator for Large-Scale Feature Selection in Classification.” Applied Soft Computing 127:109420. https://doi.org/10.1016/j.asoc. 2022.109420
49. Zubair, S., A. K. Singha, N. Pathak, N. Sharma, S. Urooj, and S. R. Larguech. 2023. “Performance Enhancement of Adaptive Neural Networks Based on燣earning燫ate.” Computers, Materials & Continua 74 (1): 2005–2019. https://doi.org/10.32604/cmc.2023.031481
50. Verma, A., S. Prakash, and A. Kumar. 2023. “A Comparative Analysis of Data-Driven Based Optimization Models for Energy-Efficient Buildings.” IETE Journal of Research 69 (2): 796–812. https://doi.org/10.1080/03772063.2020. 1838347
51. Ali, D. M. T. E., V. Motuzienė, and R. Džiugaitė-Tumėnienė. 2024. “AI-Driven Innovations in Building Energy Management Systems: A Review of Potential Applications and Energy Savings.” Energies (Basel) 17 (17): 4277. https://doi.org/10.3390/en17174277
52. Priyadarshi, R. 2024. “Energy-Efficient Routing in Wireless Sensor Networks: A Meta-Heuristic and Artificial Intelligence-Based Approach: A Comprehensive Review.” Archives of Computational Methods in Engineering 31 (4): 2109–2137. https://doi.org/10.1007/s11831-023-10039-6
53. Hassan, M. Y., A. H. Najim, K. A. M. Al-Sharhanee, M. A. Alkhafaji, R. M. Alfoudi, and W. A. Shutnan. 2023. “Enhancing Resource Allocation and Optimization in IoT Networks Using AI-Driven Firefly Optimized Hybrid CNN-BILSTM Model.” International Journal of Intelligent Engineering and Systems 16 (6): 254–267. https://doi.org/ 10.22266/ijies2023.1231.27
54. Бедрій Я.І. Безпека життєдіяльності : навч. посіб. Київ: Кондор, 2009.
55. ДБН В.2.5-67:2013. Опалення, вентиляція та кондиціонування. Інститут «УкрНДІспецбуд». 2013. URL: https://dbn.co.ua/load/normativy/dbn/1-1-0-1018 (дата звернення 10.06.2024).
56. Желібо Є. П. Заверуха Н.М., Зацарний В.В. Безпека життєдіяльності. Навчальний посібник. К.: Каравела, 2004. 328 с.
57. Наказ КМУ про затвердження Правил пожежної безпеки в Україні №1417 від 30.12.2014.
58. Ghoneim, Rehab Salaheldin, Mazin Arabasy, and Ashraf Nadheer Abdulhadi. "AI-driven optimization of indoor environmental quality and energy consumption in smart buildings: a bio-inspired algorithmic approach." Journal of Asian Architecture and Building Engineering 25.2 (2026): 1089-1113.
59. Жовнір, Ю., Грибовський, О., Орлов, М., Дуда, О., & Кунанець, Н. (2024). Методологія розроблення та супроводу інформаційних систем, базованих на технології інтернету речей. Управління розвитком складних систем, (60), 56-70.
60. Кібіткін, Д., Шимчук, Г., & Дуда, О. (2025). Інформаційна система електропостачання «розумної квартири». Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології “, 44-45.
61. Дуда, О., & Cтанько, А. (2023). Aрхітектура мережевої платформи моніторингу об’єктів у кіберфізичних системах «розумних міст». Herald of khmelnytskyi national university. Technical sciences, 323(4), 123-130.
62. Vaskiv, R. I., et al. "Information system of street lighting control in a smart city." Radio Electronics, Computer Science, Control 3 (2024): 212-212.
63. Kunanets, N., Zhovnir, Y., Burov, Y., Duda, O., & Pasichnyk, V. (2025). Designing the structure and architecture of situation-aware security information systems for residential complexes. Eastern-european journal of enterprise technologies, 133(9).
64. Derevyanko V. S., Duda O. M., Skaletskyi P. O. Thermal load modeling // Tampere, 2024. P. 70–71.
65. Derevyanko V. S., Duda O. M., Skaletskyi P. O. Smart city energy systems // Uzhhorod, 2024. P. 143–144.
66. Ониськів, Д., С. Довгалюк, and О. Котлінський. "Системи спостереження показників довкілля." Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології “ (2025): 214-214.
67. Котлінський, О., І. Вітів, and С. Довгалюк. "Розумні міста–концепти та напрямки досліджень." Матеріали ⅩⅢ науково-технічної конференції „Інформаційні моделі, системи та технології “ (2025): 209-209.
Content type: Master Thesis
Vyskytuje se v kolekcích:122 — комп’ютерні науки, F3 Комп’ютерні науки

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
2026_KRM_SNnm-61_Kotlinskyi,_OO.pdfДипломна робота2,21 MBAdobe PDFZobrazit/otevřít
Zobrazit celý záznam Zobrazit statistiky


Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

Nástroje administrátora