Опробовано применение алгоритмов машинного обучения для вычисления расхода жидкости на имеющихся экспериментальных данных о сигналах биения пьезоэлектрических преобразователей ультразвуковых расходомеров. Линейная регрессия и свёрточная нейронная сеть определены, как наиболее точные алгоритмы для поставленной задачи. / Machine-learning algorithms was tested as signal digital processing for ultrasonic flowmeters. Experimental data consists of flow rate and the runout signals of piezoelectric transducers. Linear regression and convolutional neural network are defined as the most accurate algorithms for the task.

The study of vulnerabilities in intrusion detection systems (IDS/IPS) in algorithms based on statistical and machine learning methods is a relevant topic due to the constant growth of cyber threats in the present time, the need to protect data privacy, the application of the latest technologies and the prevalence of the use of machine learning methods in the field of information security. The practical significance of the study is as follows: the results of the study will allow to identify vulnerabilities in intrusion detection systems (IDS/IPS), which helps to improve the overall level of security of information systems; the study of algorithms based on statistical and machine learning methods will allow to develop new methods of protection against attacks and implement them in existing IDS/IPS systems; the obtained results can be used to train information security specialists, which helps to improve the level of security of information systems. / Исследование уязвимостей систем обнаружения и предотвращения вторжений (IDS/IPS) в алгоритмах, основанных на статистических методах и методах машинного обучения, является актуальной темой в силу постоянного роста киберугроз в нынешнее время, необходимости защиты конфиденциальности данных, применения новейших технологий и распространенности использования методов машинного обучения в области информационной безопасности. Практическая значимость исследования заключается в следующем: результаты исследования позволяют выявить уязвимости в системах обнаружения и предотвращения вторжений (IDS/IPS), что способствует повышению общего уровня безопасности информационных систем; изучение алгоритмов, основанных на статистических методах и методах машинного обучения, позволяет разработать новые методы защиты от атак и внедрить их в существующие IDS/IPS; полученные результаты могут быть использованы для обучения специалистов по информационной безопасности, что способствует повышению уровня квалификации и подготовки кадров в данной области.

The aim of this work is to create new approaches for optimizing the locations of wind power plants using genetic algorithms. The study addresses the optimization of the objective function to find the optimal site for wind power plants utilizing a genetic algorithm. The developed method for optimizing the locations of wind power plants based on a genetic algorithm is described in this work. / Целью настоящей работы является создание новых подходов к оптимизации мест размещения ВЭС с использованием метода генетических алгоритмов. В работе рассматриваются вопросы оптимизации целевой функции для нахождения оптимального места размещения ветроэлектростанций с использованием генетического алгоритма. В работе описан разработанный метод оптимизации мест размещения ветроэлектростанций, основанный на генетическом алгоритме.

The aim of this dissertation is to develop an ensemble algorithm for short-term electricity consumption forecasting and to assess the impact of meteorological factors and other features on the quality of the model. The work addresses issues related to improving the accuracy of electricity consumption forecasting using open meteorological data through ensemble machine learning methods and hyperparameter tuning algorithms. A review and analysis of existing methods for time series forecasting are conducted, taking into account the specific characteristics of electricity consumption time series forecasting. Additionally, a machine learning algorithm is developed using various factors as features for model training. The developed algorithm is tested on electricity consumption data from the Siberian Regional Dispatch Office. / Целью диссертационной работы является разработка ансамблевого алгоритма для краткосрочного прогнозирования электропотребления и оценка влияния на качество модели метеофакторов н других признаков. В работе рассматриваются вопросы повышения точности прогнозирования электропотребления с использованием открытых метеорологических данных с применением ансамблевых методов машинного обучения, и алгоритма подбора гиперпараметров моделей. В работе проведен обзор и анализ существующих методов для прогнозирования временных рядов с учетом особенностей прогнозирования временного ряда электропотребления. Также в работе разработан алгоритм машинного обучения с использованием различных факторов в качестве признаков для обучения моделей. Разработанный алгоритм протестирован на данных электропотребления в зоне ответственности ОДУ Сибири.

The object of research is the information security of machine learning models in the electric power industry. The aim of the work is to develop an improved method for detecting the insertion of malicious software into a machine learning system for diagnosing electrical equipment using steganalysis. During the research, a literature review of steganography and steganalysis methods was conducted, as well as an examination of attacks on machine learning and ways to protect against them. Software was developed to simulate the real process of machine learning based on time series data. An analysis of embedding and detection methods for hidden messages based on the use of least significant bits was carried out. Parameters for representation applicable to training data were obtained to enhance the security of the intelligent system. / Объект исследования — информационная безопасность моделей на базе машинного обучения в электроэнергетике. Цель работы — разработка улучшенного метода обнаружения внедрения вредоносного программного обеспечения в систему машинного обучения в диагностике электрооборудования методом стегоанализа. В ходе работы проведен литературный обзор методов стеганографии и стегоанализа, а также рассмотрены атаки на машинное обучение и способы защиты от них. Разработано программное обеспечение, имитирующее реальный процесс машинного обучения на основе временных рядов. Проведен анализ методов встраивания и обнаружения скрытых сообщений на основе использования младших бит данных. Получены параметры представления, применимые к обучающим данным для увеличения безопасности интеллектуальной системы.

The purpose of this work is to adapt existing machine learning methods for analyzing the technical condition of power transformers. The paper describes a developed method for analyzing power transformers based on their technical condition by creating a classification model using a dataset that includes results from chromatographic analysis and the year of manufacture of the transformers. To increase the level of confidence in the new analysis method, Shapley additive explanation was utilized. / Целью настоящей работы является адаптация существующих методов машинного обучения для анализа технического состояния силовых трансформаторов. В работе описан разработанный метод анализа силовых трансформаторов по их техническому состоянию, путем создания модели классификации, используя набор данных, в который входят результаты хроматографического анализа и год выпуска трансформаторов. Для увеличения степени доверия к новому методу анализа использовалось аддитивное объяснение Шепли.

The subject of the research is the generation of photovoltaic power stations. The aim of this work is to develop a forecasting algorithm for photovoltaic power generation using intelligent forecasting models based on decision tree structures. The study includes an analysis of the current state of development and relevant issues in the electric power industry, encompassing stages of data collection, analysis, and preprocessing used for forecasting. In the developed algorithm for predicting hourly generation volumes of photovoltaic power stations, forecasting models based on decision trees are employed. By applying various models for generation forecasting during seasonal changes (winter, spring, summer, autumn), it has been possible to reduce the maximum depth of the decision trees, thereby minimizing the negative impact of overfitting on the forecasting models. / Объект исследования — генерация фотоэлектрической станции. Целью данной работы является разработка алгоритма прогнозирования генерации фотоэлектрической станции при помощи интеллектуальных прогнозных моделей на основе структуры решающих деревьев. В рамках работы производится анализ текущей ситуации степени развития и актуальные проблемы отрасли электроэнергетики, представляющие этапы сбора, анализа и предварительной обработки исходных данных, используемых для прогнозирования. В разработанном алгоритме для прогнозирования почасовых объемов генерации фотоэлектрических станций применяются прогнозные модели, основанные на деревьях решений. Благодаря применению различных моделей для прогнозирования генерации при смене сезонов (зима, весна, лето, осень), удалось добиться снижения максимальной глубины решающих деревьев. что позволило снизить негативное влияние эффекта переобучения прогнозных моделей.

This work addresses the issues of improving the accuracy of forecasting the generation of photovoltaic power plants based on open meteorological data using machine learning methods and a preprocessing algorithm for the initial data. / В работе рассматриваются вопросы повышения точности прогнозирования генерации фотоэлектрических станций на открытых метеорологических данных с использованием методов машинного обучения, и алгоритма предварительной обработки исходных данных.

В работе была произведена разработка модели машинного обучения на языке программирования Python, а также проведена ее валидация на этапах жизненного цикла. Целью создания модели машинного обучения является прогнозирование магнитных свойств нанокристаллических сплавов на основе железа по химическому составу и условиям обработки. Процесс валидации модели машинного обучения позволяет не только произвести контроль за соблюдением требований, предъявляемых при разработке и эксплуатации модели, к результатам, полученных с помощью моделирования, но и способствует внедрению модели в процесс производства. Процесс валидации включал в себя валидацию данных, в ходе которой были оценены типы, пропуски данных, соответствие цели исследования, распределения признаков и целевых характеристик, изучены корреляции признаков и целевых характеристик; валидацию алгоритмов, применяемых в модели: были проанализированы параметры алгоритмов с целью соблюдения требования о корректной обобщающей способности модели (отсутствие недо- и переобучения); оценку работы модели, благодаря которой был произведен анализ полученных результатов с помощью тестовых данных; верификацию результатов с помощью актуальных данных, полученных из статей, опубликованных с 2010 по 2022 год. В результате валидации модели было показано высокое качество разработанной модели, позволяющее получить оценки качества R2 0,65 и выше. / In this work machine learning model was developed by Python programming language, and also was validated at stages of model’s life cycle. The purpose of creating the machine learning model is to predict the magnetic properties of Fe-based nanocrystalline alloys by chemical composition and processing conditions. The validation of machine learning models allows not only to control the requirements for development and operation of the models, for the results obtained by modeling, but also contrib¬utes to the introduction of the model into production process. The validation process included: data validation: data types and omissions, compliance with the purpose of the study, dis¬tribution of features and target characteristics were evaluated, correlations of features and target characteristics were studied; flgorithms validation: the parameters of the algorithms were analyzed in order to comply with the requirement for the correct generalizing ability of the model (without under- and overfit¬ting); evaluation of the model work: the analysis of the obtained results was carried out using test data; verification of results using actual data obtained from articles published since 2010 to 2022. As a result of the model validation, the high quality of the developed model was shown, which makes it possible to obtain quality metric R2 0.65 and higher.

В рамках данной работы было проведено исследование существующих типов вопросно-ответных систем и методов анализа текста. Был проведен анализ существующих вопросно-ответных систем. Приведена обобщённая схема работы вопросно-ответных систем и для каждого типа систем приведена детальная схема работы. Описаны и исследованы методы выбора кандидатов ответа и методы их оценки. Также в работе описаны возможные критерии оценки работы таких систем. В ходе исследования был разработан рабочий прототип вопросно-ответной системы, основанный на системе BERT для русского языка. Используемая модель RuBERT была предобучена и протестирована на стандартных задачах SQuAD. В ходе работы модель была протестирована и оценена в разработанном рабочем прототипе и показала высокие результаты по предложенным критериям оценки. / Within the framework of this work, a study was made of the existing types of question-answer systems and text analysis methods. An analysis of the existing question-answer systems was carried out. A generalized scheme of operation of question-answer systems is given, and a detailed scheme of operation is given for each type of system. Methods for selecting response candidates and methods for their evaluation are described and investigated. The paper also describes possible criteria for evaluating the operation of such systems. In the course of the study, a working prototype of a question-answer system based on the BERT system for the Russian language was developed. The RuBERT model used was pre-trained and tested on standard SQuAD problems. During the work, the model was tested and evaluated in the developed working prototype and showed high results according to the proposed evaluation criteria.