Текущий выпуск Номер 4, 2026 Том 18

Все выпуски

[ Switch to English ]

Нейросетевое моделирование полной системы нитрификации аммония с идентификацией параметров

Гречнева А.О., Тарасов В.Д., Тархов Д.А., Шатров А.В.
 pdf (796K)

В статье рассматривается применение метода физически информированных нейронных сетей для моделирования процесса нитрификации при очистке сточных вод. Актуальность работы обусловлена необходимостью повышения эффективности очистки и оперативного контроля за изменениями параметров в реальном времени, что затруднительно при использовании традиционных подходов, таких как модели активного ила (ASM). Авторы предлагают подход, объединяющий решение прямой задачи и идентификацию параметров системы дифференциальных уравнений, описывающих окисление азота. В ходе исследования проведен сравнительный анализ трех архитектур нейронных сетей: с фиксированным одинаковым числом нейронов, с фиксированным различным числом нейронов и с растущим в процессе обучения числом нейронов. Для нахождения оптимальных параметров (числа нейронов и весового коэффициента функции потерь) использована многокритериальная оптимизация на основе построения фронта Парето. Результаты показали, что предложенный подход позволяет эффективно восстанавливать динамику концентраций азотистых соединений с высокой точностью. Наилучшее соответствие экспериментальным данным при допустимом уровне невязки уравнений обеспечила архитектура с различным постоянным числом нейронов при оптимально подобранных весовых коэффициентах.

Ключевые слова: физически информированные нейронные сети, PINN, очистка сточных вод, нитрификация, идентификация параметров, моделирование, машинное обучение, многокритериальная оптимизация
Цитата: Гречнева А.О., Тарасов В.Д., Тархов Д.А., Шатров А.В. Нейросетевое моделирование полной системы нитрификации аммония с идентификацией параметров // Компьютерные исследования и моделирование, 2026, т. 18, № 4, с. 909-928
Citation in English: Grechneva A.O., Tarasov V.D., Tarkhov D.A., Shatrov A.V. Neural network modeling of a complete ammonium nitrification system with parameter identification // Computer Research and Modeling, 2026, vol. 18, no. 4, pp. 909-928
DOI: 10.20537/2076-7633-2026-18-4-909-928
URL: http://crm.ics.org.ru/journal/article/3752/
Creative Commons License Статья доступна по лицензии Creative Commons Attribution-NoDerivs 3.0 Unported License.

Copyright © 2026 Гречнева А.О., Тарасов В.Д., Тархов Д.А., Шатров А.В.

Журнал индексируется в Scopus

Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU

Журнал входит в систему  Российского индекса научного цитирования.

Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science

Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"

Международная Междисциплинарная Конференция МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ.

Website Copyright © 2009–2026 Институт компьютерных исследований