Русская версия English version

Моделирование процессов оценки качества инженерной инфраструктуры городского района с использованием нейро-нечетких сетей

В.А. Мыльников, В.В. Бут

Вестник ИГЭУ, 2017 г. выпуск 3, сс. 75—82

Скачать PDF

Аннотация на русском языке: 

Состояние вопроса: Для создания благоприятной и комфортной городской среды необходимы проведение рациональной жилищной политики, планирование и планировка будущей застройки города, формирование инженерной инфраструктуры и другие мероприятия, проводимые на основе  мониторинга текущего и ретроспективного состояния объекта и оперативной оценки ситуации. Анализ существующих методов оценки качества городской среды проживания (обитания) человека, а также наиболее значимых подходов, ключевых особенностей и основных этапов осуществления оценки состояния городской системы (от выбора источников и сбора данных до математической обработки и интерпретации результатов), существующих методик оценки городской ситуации показал отсутствие сегментов контроля и корректировки тактического плана. В связи с этим необходима разработка собственной методики оценки качества инженерной инфраструктуры городского района, которая должна обладать свойствами открытости, самоадаптируемости и удовлетворять принципам гибкого масштабирования.

Материалы и методы: Для разработки модели принятия решений в области градостроительного планирования и управления с учетом оценки инженерной инфраструктуры использованы механизмы нейро-нечетких сетей.

Результаты: На основе полученных результатов первичного и вторичного анализов сформирована концептуальная модель методики комплексной оценки с учетом инженерной инфраструктуры городского района на базе механизма нейро-нечетких сетей. Описаны основные этапы разработки модели: композиция обобщенного состава критериев оценки и построение архитектуры нейро-нечеткой сети.

Выводы: Предлагаемая нейро-нечеткая модель позволяет разработать систему поддержки принятия решений в области планирования развития системы энергоснабжения городской территории.

Ключевые слова: система энергообеспечения, метод комплексной оценки, критерии оценки, качество городской среды, анализ больших данных, нечеткая свертка, нечеткий обратный вывод, нейро-нечеткие сети, система поддержки принятия решений.

Список литературы на русском языке: 
  1.  Беднякова А.В., Бут В.В., Фомичева С.Г. Мониторинг уровня развития социальной инфраструктуры города // Научный потенциал НПР XXI век: сб. науч. статей / Норильский индустриальный институт. – Норильск: НИИ, 2014. – С. 119–124.
  2. Катаева Ю.В., Лапин А.В. Формирование методического подхода к интегральной оценке качества городской среды // Вестник Пермского университета. Сер. Экономика. – 2014. – № 2. – С. 31–39.
  3.  Мурзин А.Д. Комплексная оценка урбанизированных территорий: экономический, экологический и социальный аспект. – Саарбрюккен: Изд-во ЛАМБЕРТ, 2012. – 80 с.
  4.  Трухачев Ю.Н. Общая теория градостроительных систем (методологическая концепция). – Ростов н/Д.: Рос. гос. акад. архитектуры и искусства, 2006. – 120 с.
  5.  Моделирование редуцированных баз данных при интеграции инвестиционных проектов в энергетике / Н.Н. Елин, С.Г. Фомичева, Т.Н. Елина, В.А. Мыльников // Вестник ИГЭУ. – 2016. – Вып. 1. – С. 63–68.
  6. Технико-экономическое обоснование выбора вариантов эксплуатации теплоизолированных водоводов при наземной прокладке в условиях Крайнего Севера / В.Е. Мизонов, Н.Н. Елин, В.А. Мыльников, Т.Н. Елина // Промышленная энергетика. – 2014. – № 5. – С. 38–42.
  7. Моделирование теплового состояния поперечного сечения трубопровода при промерзании теплоизоляции / В.Е. Мизонов, Н.Н. Елин, А.В. Попелышко, В.А. Мыльников // Вестник ИГЭУ. – 2013. – Вып. 2. – С. 67–70.
Ключевые слова на русском языке: 
система энергообеспечения, метод комплексной оценки, критерии оценки, качество городской среды, анализ больших данных, нечеткая свертка, нечеткий обратный вывод, нейро-нечеткие сети, система поддержки принятия решений
Ключевые слова на английском языке: 
power supply system, integrated assessment method, evaluation criteria, urban environment quality, large data analysis, fuzzy convolution, fuzzy return, neuro-fuzzy networks, decision support system
Индекс DOI: 
10.17588/2072-2672.2017.3.075-082
Количество скачиваний: 
11