Қазақ ұлттық қыздар педагогикалық университеті / Казахский национальный женский педагогический университет

Постоянный URI для этого сообществаhttps://cris.qyzpu.kz/handle/123456789/1

Просмотр

Фильтры

2025 - 20263

Настройки

Тип доступа: НеизвестноАвтор: search.filters.author.Timur Merembayev

Результаты поиска

Показано: 1 - 3 из 3
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    Mathematical Modeling to Optimize Sensor Performance for Enhanced Sensitivity and Measurement Accuracy in a Biogas Plant
    (2026-01-13)
    Omirlan Auelbekov
    ;
    Айнур Козбакова
    ;
    Kairat Yessentayev
    ;
    Timur Merembayev
    ;
    Kuanyshbek Igibayev
    The paper states that biogas plants are of particular importance in the development of renewable energy sources, and their efficiency is largely determined by the accuracy and reliability of parameter measurements during the production process. Sensors that determine temperature, pressure, pH, humidity, methane (CH₄) and hydrogen sulfide (H₂S) concentrations, gas flow, and oxidation-reduction potential (ORP) form the basis of the monitoring system. However, during operation, they are affected by nonlinear dependence, noise, drift, and errors that reduce the reliability of measurements. To solve this problem, mathematical modeling and sensor optimization methods are proposed. The study proposes a mathematical model that describes the correlations between the physicochemical characteristics of the environment and the output signals of the sensors. Based on this model, an analysis of the sensitivity of the measurement channels was carried out, critical areas where accuracy is significantly reduced were identified, and methods for compensating for errors were proposed. To improve the reliability of the results, intelligent data processing was used, including artificial neural networks, which allow adaptive adjustment of output data and calibration in real-time monitoring mode. The proposed approach improves measurement accuracy and the stability of the sensor system to external influences, which is also of practical importance for monitoring and controlling biogas plants. A mathematical model was proposed that takes into account the physicochemical dependence on environmental parameters (temperature, pressure, pH, Ch₄ and H₂S concentrations, humidity, gas flow, and redox potential) and sensor response. Based on this, a sensitivity analysis of the measurements was performed to identify areas of maximum error. Intelligent data processing using artificial neural networks was used to compensate for systematic errors and sensor drifts, which allowed for real-time calibration and correction of sensor readings.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    Integration of Mathematical Modeling and Artificial Intelligence to Predict Thermal Conditions and Optimize the Operation of Biogas Plants
    (2025-01-01)
    Omirlan Auelbekov
    ;
    Айнур Козбакова
    ;
    Kairat Yessentayev
    ;
    Timur Merembayev
    ;
    Kuanyshbek Igibayev
    Modern biogas plants face a number of challenges related to precise control of thermal conditions, which significantly affect the stability of processes and the overall efficiency of energy production.The complexity lies in the nonlinear and dynamic nature of biochemical reactions occurring under anaerobic conditions, as well as in a large number of factors affecting heat transfer inside the reactor.In this regard, there is a need to develop adaptive and highly accurate models capable of predicting thermal processes and optimizing the operation of biogas systems.In this study, we propose a hybrid modeling framework that integrates physics-based mathematical models with machine learning algorithms, enabling real-time prediction and adaptive control of thermal processes.Unlike prior models focused solely on thermodynamics or empirical
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    МЕТОДЫ И МОДЕЛИ ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕНИ В ПУТИ ОБЩЕСТВЕННОГО ТРАНСПОРТА
    (Mukhametzhan Tynyshbayev ALT University, 2025-10-10)
    Saltanat Amirgalieva
    ;
    Аземша Сергей Александрович
    ;
    Перизат Омарова
    ;
    Timur Merembayev
    ;
    Гүлайым Баекова
    Развитие интеллектуальных транспортных систем невозможно без использования методов прогнозирования, которые способны учитывать пространственно-временную структуру городской транспортной сети и эффективно работать с неполными и неточными данными. Эта задача особенно актуальна для городов Казахстана, где уровень цифровизации общественного транспорта значительно различается. Существующие системы мониторинга, как правило, предназначены только для сбора и визуализации данных, без возможности их интеллектуального анализа. В данной статье представлен глубокий обзор и методологический анализ современных подходов к прогнозированию времени в пути общественного транспорта. Особое внимание уделяется статистическим методам, алгоритмам машинного обучения, рекуррентным нейронным сетям и пространственно-временным графовым нейронным моделям. ыло выявлено, что классические регрессионные и временные модели не всегда обеспечивают достаточную точность прогнозирования, особенно в условиях нелинейной динамики транспортных процессов и высокой изменчивости дорожной обстановки. Однако методы глубокого обучения могут значительно повысить точность прогнозирования, особенно при наличии большого объема исторических данных. Однако их эффективность значительно снижается в условиях редких наблюдений и изменений в маршрутной структуре. Анализ современных исследований показал, что применение пространственно-временных графовых нейронных сетей является эффективным инструментом для прогнозирования времени в пути общественного транспорта. Эти сети способны учитывать топологию транспортной сети и взаимодействие между различными сегментами маршрутов, что позволяет более точно предсказывать время прибытия. В ходе исследования был разработан комплексный подход к прогнозированию времени в пути общественного транспорта, включающий в себя графовое представление транспортной сети, использование механизмов внимания и гибридное временное моделирование. Этот подход учитывает ключевые требования, необходимые для практического применения интеллектуальных моделей в условиях ограниченной цифровизации: устойчивость к пропускам данных, возможность переноса на новые маршруты и вычислительная эффективность. Полученные результаты открывают путь к экспериментальной апробации и внедрению интеллектуальных методов прогнозирования в системы диспетчеризации общественного транспорта, что значительно повысит эффективность и комфорт для пассажиров.