УДК 631.372: 004.8
DOI 10.36461/NP.2023.66.2.002
ОПРЕДЕЛЕНИЕ ЭФФЕКТИВНОГО АЛГОРИТМА МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ РЕЖИМОВ РАБОТЫ ДИЗЕЛЬНОГО ДВИГАТЕЛЯ
С.В. Калачин1, доктор технических наук, доцент
К.З. Кухмазов1, доктор технических наук, профессор
И.А. Мурог2, доктор технических наук, профессор
1ФГБОУ ВО Пензенский ГАУ, Россия, г. Пенза, е-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
2РГУ имени С.А. Есенина, Россия, г. Рязань
Современный этап развития технического прогресса в сельском хозяйстве основан на повсеместном внедрении в производство высокотехнологичной техники, основанной на технологиях искусственного интеллекта, а в частности на основе машинного обучения, представляющего собой наиболее значительный и захватывающий из его подразделов. Целью представленного в статье исследования является разработка метода исследования параметров эффективности существующих алгоритмов машинного обучения для решения практической задачи – прогнозирование режимов работы дизельного двигателя. Решение поставленной задачи проведено на основе разработанного компьютерного метода исследований, основанного на возможностях высокоуровневого языка программирования Python, представляющего собой компьютерную модель для проведения вычислительного эксперимента. Воспользоваться разработанной компьютерной программой для обработки собственного набора данных может любой исследователь, обладающий элементарными познаниями в разработке программного обеспечения. Результат проведенного исследования показал, что каждый алгоритм машинного обучения для решения определённой практической задачи обладает своими недостатками и неоспоримыми преимуществами. Но основными критериями эффективности, по которым оценивается работа любого программного продукта, является точность результата и время (быстрота) выполнения программного кода. Поэтому для прогнозирования режимов работы дизельного двигателя, из анализируемых алгоритмов машинного обучения, наиболее эффективным является алгоритм – DecisionTreeRegressor (Дерево решений).
Ключевые слова: машинное обучение, алгоритм, режим работы, дизельный двигатель, точность прогноза, объём потребляемой памяти, время выполнения, программный код.
