Физически-информированная нейронная сеть на трансформерной архитектуре для прогноза временных рядов в инженерных системах

Аннотация

Карманов А.А.

Дата поступления статьи: 17.07.2025

В работе рассматривается задача краткосрочного прогнозирования температуры льда в инженерных системах с высокой чувствительностью к тепловым нагрузкам. Предлагается трансформерная архитектура, дополненная физически-информированной функцией потерь, основанной на уравнении теплового баланса. Такой подход позволяет учесть инерционные свойства объекта и согласовать динамику прогнозируемой температуры с подаваемой мощностью и внешними условиями. Модель протестирована на данных с ледовой арены с минутной частотой измерений. Проведено сравнение с базовыми архитектурами LSTM, GRU, Transformer по метрикам MSE, MAE и MAPE. Результаты демонстрируют существенное улучшение точности в переходных режимах, а также устойчивость предсказаний к резким скачкам температуры, особенно после заливки льда. Предложенный метод может быть интегрирован в контуры интеллектуального управления инженерными объектами, обеспечивая не только высокую точность, но и физическую интерпретируемость модели. Работа подтверждает эффективность интеграции физического знания в нейросетевые прогнозные модели.

Ключевые слова: краткосрочное прогнозирование, временные ряды, трансформеры, машинное обучение, физически-информированная модель, предиктивное управление

1.2.2 - Математическое моделирование, численные методы и комплексы программ

.