Оптимизация параметров экстрагирования растительного сырья на основе машинного обучения

Наименование РИД	Оптимизация параметров экстрагирования растительного сырья на основе машинного обучения
Реферат	Целью данной работы является оптимизация параметров экстрагирования биологически активных веществ (БАВ) на основе методов машинного обучения. Существующие подходы к подбору условий экстракции часто требуют значительных временных и ресурсных затрат из-за необходимости проведения множества экспериментов. Предлагаемое решение позволяет автоматизировать этот процесс за счёт комбинации предсказательных моделей и методов оптимизации. В работе предложены два подхода: модель на основе случайного леса – анализирует экспериментальные данные и прогнозирует выход БАВ в зависимости от параметров экстрагирования (температура, время, концентрация растворителя и др.). На основе обученной модели с использованием методов дифференциальной эволюции и байесовской оптимизации определяются параметры экстрагирования растительного сырья, максимизирующие выход целевого вещества. В то время, как модель на основе нейронной сети использует более сложную архитектуру для учета нелинейных зависимостей в данных, что повышает точность прогноза. Оптимизация параметров также проводится с помощью эволюционных и вероятностных методов. Технический результат работы: создание универсального инструмента для прогнозирования выхода БАВ и автоматического подбора оптимальных параметров экстрагирования; снижение затрат на экспериментальные исследования за счёт сокращения числа необходимых опытов; сравнительный анализ эффективности случайного леса и нейронной сети в контексте задач оптимизации химико-технологических процессов.
Возможные направления использования	фармацевтическая и пищевая промышленность (экстракция лекарственных компонентов, витаминов, антиоксидантов); биотехнологии и переработка растительного сырья; научные исследования в области химической технологии и машинного обучения.
Количество опытных образцов	1
Количество просмотров	2
Наличие дополнительных файлов	False
Использование РИД правообладателем	False
Внешнее использование РИД	False
НИОКТР (JSON)	{}
ИКСИ (JSON)	[]
ИКСПО (JSON)	[]
ОЭСР (JSON)	[]
Дата первого статуса	2025-11-01T05:43:57.506385+00:00
Предполагаемый тип результата	Программа для ЭВМ
Ожидаемая роль	Исполнитель
Заказчик	ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "ВОСТОЧНО-СИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕХНОЛОГИЙ И УПРАВЛЕНИЯ"
Руководитель работы	Тулохонова Инна Степановна
Руководитель организации	Сизов Игорь Геннадьевич
Регистрационный номер НИОКТР	—
Последний статус	Подтверждена, 625111800225-3, 2025-11-18 14:12:25 UTC
ОКПД	Оригиналы программного обеспечения прочие
Ключевые слова	Оптимизация; Биологически активная добавка; Растительный экстракт; Методы машинного обучения
Исполнители	ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "ВОСТОЧНО-СИБИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕХНОЛОГИЙ И УПРАВЛЕНИЯ"
Авторы	Тулохонова Инна Степановна; Шенаршеева Анна Алексеевна; Ламаханова Баирма Жаргаловна; Сынгеева Эржэна Владимировна; Ламажапова Галина Петровна; Фирсов Роман Владимирович
Коды тематических рубрик	28.23.01 - Общие вопросы искусственного интеллекта
OESR	Компьютерные, информационные науки и биоинформатика (разработка аппаратного обеспечения относится к разделу 2.2, социальный аспект относится к разделу 5.8)
Приоритеты научно-технического развития	а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;