Реєстраційний номер
0826U005212, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
07-10-2026
Статус
Запланована
Чому дисертація має статус "Запланована"?
Назва роботи
Моделі та методи машинного навчання для просторово-часового прогнозування на прикладі розумних електричних мереж
Здобувач
Гайдукевич Владислав Олегович,
Керівник Дорошенко Анатолій Юхимович
Опонент Стеценко Інна Вячеславівна
Опонент Терещенко Ярослав Васильович
Рецензент Іваненко Павло Андрійович
Рецензент Рагозін Дмитро Васильович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Інститут програмних систем Національної академії наук України
Опис
Об’єкт дослідження: процеси машинного навчання для прогнозування часових рядів на прикладі енергетичних мережевих об'єктів.
Предмет дослідження: нейронна архітектура прогностичної системи, алгоритми та моделі машинного навчання для підвищення точності прогнозування поведінки мережевих об'єктів.
Мета дисертаційної роботи: підвищити точність прогнозування та ефективність управління розумними мережевими об'єктами в умовах невизначеності та динамічної мінливості режимів енергоспоживання.
У роботі отримані нові наукові результати:
1. Вперше розроблено гібридну нейромережеву модель ST-GAT для предиктивного моделювання станів динамічних графів із забезпеченням паралельного аналізу топологічних і часових залежностей та зниженням похибки RMSE на 30.7%, яка, на відміну від рекурентних підходів, базується на інтеграції графових шарів уваги (GAT) та темпоральних згорткових блоків (TCN) з дилатованими шарами.
2. Дістав подальшого розвитку метод навчання нейромережевих моделей для забезпечення физичної адекватності та просторової узгодженості прогнозів між суміжними вузлами без використання орієнтованих графів, який, на відміну від існуючих підходів, реалізує принцип Physics-Informed Machine Learning шляхом впровадження у функцію втрат авторської метрики просторової узгодженості (SCE), що математично штрафує модель за порушення структури розподілу параметрів.
3. Дістав подальшого розвитку метод адаптивного керування життєвим циклом інтелектуальних моделей (механізм PAM) для забезпечення їх інкрементального донавчання в режимі реального часу без втрати раніше здобутих знань та зі скороченням обчислювальних витрат на 85–92%, який відрізняється від традиційних концепцій автоматичною детекцією статистичних аномалій (Concept Drift) у поєднанні з вибірковою регуляризацією ваг за методом EWC
Теоретичне і практичне значення отриманих результатів: Результати дозволили створити програмний комплекс «ЕнергоМаш» (Свідоцтво № 137503). Запропонована модель ST-GAT забезпечує зниження похибки RMSE на 30.7% при скороченні часу обчислень, експериментально підтверджено загальне зниження похибки прогнозування на 13–31% та мінімізацію обчислювальних витрат на донавчання на 85–92% порівняно з повним перенавчанням. Результати досліджень виконано в рамках НДР Інституту програмних систем НАН України (ДРН 0124U000686) та апробовано на міжнародних і всеукраїнських наукових конференціях.
Відомості про здобувача та апробацію: Гайдукевич Владислав Олегович народився 20 січня 1999 року у м. Києві. У 2020 році здобув ступінь бакалавра, а у 2022 році — магістра за спеціальністю 191 «Архітектура та містобудування» у КНУБА. У 2022 році вступив до аспірантури Інституту програмних систем НАН України за спеціальністю 122 «Комп'ютерні науки». Основні наукові результати опубліковано у 11 наукових працях (5 статей у фахових виданнях України категорії Б, 1 публікація у виданнях Scopus, 5 тез доповідей).
Дата реєстрації
2026-09-15
Додано/оновлено в НРАТ
2026-09-15 / 2026-09-30
