Методи та засоби нейромережевого моделювання тепломасоперенесення в анізотропних середовищах з фрактальною структурою

Abstract

Дисертацію присвячено вирішенню актуального науково-прикладного завдання побудови фрактальної фізично-інформованої нейронної моделі для опису процесів теплового та вологого перенесення в анізотропних капілярно-пористих середовищах із фрактальною організацією, а також розробці методів її практичної реалізації на основі апарату дробового інтегродиференціювання та глибинного навчання. Розроблені методи спрямовані на оптимізацію моделювання просторовочасового розподілу температури та вологовмісту в технологічних процесах, а також ідентифікацію параметрів дробових операторів моделі тепломасоперенесення. The dissertation is devoted to solving a relevant scientific and applied problem of constructing a fractal physics-informed neural network (fPINN) model for describing heat and moisture transfer processes in anisotropic capillary-porous media with fractal organization. It also focuses on developing methods for its practical implementation based on the apparatus of fractional integro-differentiation and deep learning. The developed methods aim to optimize the modeling of spatio-temporal temperature and moisture content distributions in technological processes, as well as to identify the parameters of fractional operators of the heat and moisture transfer model.