Стаття. Moroz I. I.. Sensor data preprocessing pipeline for grain temperature monitoring and forecasting datasets in drying systems Конвеєр попередньої обробки даних датчиків для моніторингу температури зерна та прогнозування даних у системах сушіння

Registration Number

2126U002334, Article

popup.category

Стаття

Title

Sensor data preprocessing pipeline for grain temperature monitoring and forecasting datasets in drying systems

popup.author

Moroz I. I.
Yukhymchuk M. S.
Мороз І. І.
Юхимчук М. С.
Moroz I. I.
Yukhymchuk M. S.

popup.publication

01-01-2026

popup.source_user

Вінницький національний технічний університет

popup.source

https://ir.lib.vntu.edu.ua/handle/123456789/52278

popup.publisher

Національний університет «Одеська політехніка»

Description

Якість навчальних даних суттєво впливає на надійність систем прогнозування температури зерна, що базуються на даних. Мережі датчиків, які використовуються в умовах сушіння зерна, генерують пропущені спостереження, дрейф вимірювань та аномальні значення, спричинені збоями зв’язку та зношуванням датчиків. Відсутність стандартизованих процедур попередньої обробки знижує відтворюваність результатів та обмежує практичну застосовність прогнозних підходів. Мета. Метою дослідження є розробка методології збору та попередньої обробки даних датчиків, призначеної для формування наборів даних для прогнозування температури зерна в умовах безперервної сушки. Завдання. Завдання включають розробку архітектури моніторингу з використанням декількох джерел, обґрунтування просторового розміщення датчиків, побудову конвеєра попередньої обробки для обробки аномалій та відновлення відсутніх значень, формування векторів ознак та визначення стратегії розбиття наборів даних із збереженням часових залежностей. Методи. Запропонована методологія інтегрує цифрові датчики температури, датчики вологості, датчики вуглекислого газу на основі недисперсійного інфрачервоного вимірювання та джерела метеорологічних даних. Попередня обробка складається з валідації фізичного діапазону, виявлення аномалій за допомогою алгоритму Isolation Forest, ієрархічного заповнення відсутніх значень, мінімально-максимальної нормалізації, циклічного часового кодування та хронологічного розбиття наборів даних. Наукова новизна полягає у формалізації топологічно-просторово-часової моделі перевірки даних, яка дозволяє відрізнити локальне погіршення характеристик датчиків від колективних переходів теплових процесів у нестаціонарних сільськогосподарських середовищах. Це досягається за допомогою поєднаної багатовимірної моделі «Ізольований ліс» та евристики співвипадковості сусідніх вузлів, що забезпечує збереження високочастотної динаміки роботи під час безперервного регулювання аерації Практичне значення. Методологія може бути застосована в системах моніторингу установок для зберігання та сушіння зерна та адаптована до різних геометрій силосів, конфігурацій датчиків та джерел моніторингу навколишнього середовища. Результати. Була розроблена архітектура моніторингу, що складається з дванадцяти датчиків температури, розташованих у трьох азимутальних рядах та на чотирьох рівнях глибини. Процедура попередньої обробки зберегла 92,5 % спостережень після фільтрації аномалій та обробки відсутніх значень. Отриманий набір даних містив 34 984 придатні епохи в навчальному розділі та шістдесят чотири ознаки, що представляють історію температури, значення сусідніх датчиків, метеорологічні змінні та циклічні часові характеристики. Аналіз методом «Ізольованого лісу» виявив 4,08 % аномальних спостережень, з яких 87,3 % відповідали ізольованим несправностям датчиків. Висновки. Розроблена методологія встановлює відтворювану процедуру підготовки наборів даних, призначених для завдань прогнозування температури зерна, та зменшує ризики, пов’язані з часовими витоками, несправностями датчиків та непослідовним попереднім обробленням даних моніторингу. Запропонований підхід може слугувати основою для подальшої розробки прогнозних моделей для систем сушіння зерна.

popup.nrat_date

2026-11-03