2 research outputs found
Нейронная сеть для прогнозирования нагрузок энергопотребления сортировочного узла
No full textA multilayer neural network has been designed to forecast average daily energy consumption of a railway marshalling yard. The suggested model comprises a multilayer perceptron using 22 inputs, the n-th number of hidden layers and one output. The number of hidden layers in the neural network and neurons in them was chosen experimentally. A comparative selection of activation functions and training methods has allowed for all other parameters to achieve a minimum average relative error. Two types of loads corresponding to holidays (non-working) and working days were identified. An additional input node with binary coding and two nodes for coding the season were introduced due to a certain repeatability characterizing samples of prediction of loads of energy consumption of the marshalling yard depending on type of a day and on a season. As accounting of the dependence of the forecast on load values in previous days and years (dynamic dependencies) is most important factor, this neural network takes into account the average daily energy consumption during four days of the current period, precedingthe forecasted date, and the average daily power consumption during four days prior to this date during last three years.As a result, considering all factors and experimentally selected parameters of the neural network, the minimum resulting error of MAPE is about 1,4 %, which shows the advantage of the developed neural network in comparison with two other methods of solution of the problem, suggested by other researchers.Предложено описание многослойной нейронной сети, предназначенной для предсказания среднесуточного потребления электроэнергии сортировочным узлом железной дороги. Для решения данной задачи была построена модель на основе многослойного персептрона, использующая 22 входа, n-ое количество скрытых слоёв и один выход. Количество скрытых слоёв в нейросети и нейронов в них было подобрано экспериментально.Проведён сравнительный подбор функций активации и методов обучения, позволяющих при всех прочих параметрах достичь минимальной средней относительной ошибки.Выделено два вида нагрузок, соответствующих праздничным (нерабочим) и рабочим дням, что потребовало введения одного дополнительного входного узла с двоичным кодированием и двух узлов для кодирования времени года, что обусловлено определённой повторяемостью характеризующих выборок предсказания нагрузок потребления энергии узла сортировочной станции в зависимости от типа дня и времени года. Важнейшим фактором также являлся учёт зависимости прогноза от значений нагрузки в предыдущие дни и годы (динамические зависимости), и в данной нейросети учтено среднесуточное потребление энергии по данным четырёх предыдущих дней текущего периода и четырёх предыдущих дней за последние три года.В итоге, с учётом всех факторов и экспериментально подобранных параметров нейросети, минимальная получившаяся погрешность MAPE составляет порядка 1,4 %, что, в сравнении с двумя сторонними решениями для данной задачи, показывает преимущество разработанной нейросети
Разработка HybProb молекулярного маркера на аллель L4 для маркеропосредованной селекции перца сладкого Capsicum spp. на платформе Real-Time
No full textRelevance. One of the conditions for creating a modern high-tech hybrid of sweet pepper is the presence of resistance to the Pepper mild mottle virus (PMMoV). This virus belongs to the genus Tobamovirus. This virus can spread through seeds, causing enormous damage to the sweet pepper crop. The main method of controlling of virus is the cultivation of F1 hybrids of pepper with genetic resistance. To date, the L4 gene is able to confer resistance to all known strains of this virus. However, there is still no reliable marker system that could be integrated into the MAS. Methods. Based on data from the NCBI, we generated a molecular diagnostic system based on hybridization probes. Validation was performed on seven pepper accessions from the world's germplasm banks. After validation, the new marker was successfully tested on 2540 plants of F2 and F3 generation. Results. Using the experimental marker system Fret4, we tested 7 reference samples of pepper germplasm with full correspondence of the melt peaks to the declared alleles of the L gene (L0/L1/L3/L4). Then, using a marker system, MAS was carried out on 10 populations of an number of 10 thousand plants to identify the L4 allele. As a result, we were able to create a highly accurate and cost-effective marker system for the most important pepper resistance gene. This marker system based on hybridization probes is easily integrated into the MAS, allowing fast and reliable determination of the L4 allele state in sweet pepper breeding to Tobamovirus.Актуальность. Одним из условий создания современного высокотехнологичного гибрида сладкого перца является наличие в нём устойчивости к вирусу мягкой крапчатости (PMMoV), относящемуся к роду Tobamovirus. Данный вирус способен распространяться вместе с семенами, что может приводить к серьезному экономическому ущербу. Основным методом контроля распространения данного заболевания является возделывание устойчивых F1 гибридов перца. На сегодняшний день единственным универсальным источником устойчивости сладкого перца ко всем штаммам PMMoV является аллель гена L — L4. Однако до сих пор не существует надёжной маркерной системы, которая могла бы быть интегрирована в MAS. Методы. На основе данных из базы NCBI нами была сгенерирована молекулярная диагностическая система на основе гибридизационных зондов. Валидация была проведена на семи образцах рода Capsicum из мировых банков гермплазмы. После валидации для тестирования нового маркера использовали расщепляющиеся поколения F2 и F3 ряда селекционных образцов. Результаты. Используя экспериментальную маркерную систему Fret4 нами было протестировано 7 эталонных образцов гермплазмы перца с полным соответствием пиков расплава заявленным аллелям гена L (L0/L1/L3/L4). Далее при помощи маркерной системы был проведён МАS на 10 сортопопуляциях общим числом в 10 тысяч растений для выявления гена L4. В результате нам удалось создать высокоточную и экономически эффективную маркерную систему. Данная маркерная система, основанная на гибридизационных зондах легко интегрируется в МАS, позволяя быстро и надёжно определять аллельное состояние L4 при селекции сладкого перца на устойчивость к Тобамовирусам
