Сценарно-орієнтована генерація послідовностей з багатосенсорних даних зернового елеватора та оцінювання точності їх прогнозування рекурентними і згортковими нейромережами

Abstract

Запропоновано сценарно-орієнтований підхід до підготовки навчальних даних і формування послідовностей для прогнозування температурних процесів у зерносховищі за багатосенсорними IoT-вимірюваннями. На основі заданих часових інтервалів будуються сценарні вибірки, що відображають різні режими розвитку нагріву, після чого дані з кількох сенсорів об’єднуються в єдине представлення з маркуванням джерела, а потім – прогнозуються з використанням рекурентних і згорткових нейромереж.

A scenario-oriented approach is proposed for training data preparation and sequence formation to predict temperature processes in a grain elevator based on multi-sensor IoT measurements. Based on predefined time intervals, scenario samples are constructed to reflect various heating development modes, after which data from multiple sensors are integrated into a single representation with source labeling and subsequently predicted using recurrent and convolutional neural networks.