Методы генерации синтетических данных для прогнозирования распределения дефектов в энергетических установках с использованием глубокого обучения

Аннотация

Александров А.Е., Поляков Н.С.

Дата поступления статьи: 09.01.2026

В последние годы безопасная эксплуатация объектов энергетики чаще обеспечивается системами неразрушающего контроля, имеющих вероятностный характер. В статье рассматривается способ прогнозирования и оценки количества пропущенных дефектов, решая обратную задачу. Проводится детальный анализ косвенных проявлений и прогнозирование косвенного параметра с использованием библиотеки глубокого обучения – Keras, определяющих количественные характеристики исследуемого объекта. Результаты исследования показывают обнадеживающую точность прогнозирования с исправимыми признаками переобучения модели.

Ключевые слова: неразрушающий контроль, дефект, кривые распределения вероятности обнаружения дефектов, синтетические данные для глубокого обучения, регрессионное прогнозирование, Keras, структурные и семантические признаки, нелинейные зависимости

1.2.2 - Математическое моделирование, численные методы и комплексы программ

2.3.1 - Системный анализ, управление и обработка информации