СРАВНИТЕЛЬНЫЙ АНАЛИЗ БАЗОВОЙ И ОБОБЩЁННОЙ ГИБРИДНЫХ АНИМАЦИОННЫХ МОДЕЛЕЙ ПРОЦЕССА ОЗОННОЙ ОЧИСТКИ ВОДЫ С ПРИМЕНЕНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Authors

  • Умбетова Ш.М. кандидат технических наук, доцент, ассоцированный профессор, https://orcid.org/0000-0001-7716-9822, Кызылординский университет имени Коркыт Ата, г. Кызылорда, Казахстан
  • Умбетов У.У. доктор технических наук, профессор, https://orcid.org/0000-0001-6931-7944, Университет "Болашак", г.Кызылорда, Казахстан
  • Курманбаев Г.Б. кандидат технических наук, https://orcid.org/0009-0002-0683-9926, Университет «Ашык», г.Кызылорда, Казахстан
  • Баймаханова З.А. кандидат технических наук наук, https://orcid.org/0009-0008-1949-2275, Кызылординский университет имени Коркыт Ата, г. Кызылорда, Казахстан
  • Калманова Г.К. магистр сельскохозяйственных наук, https://orcid.org/0009-0007-6296-4998, Кызылординский университет имени Коркыт Ата, г. Кызылорда, Казахстан
  • Ертаева Ж.Т. PhD, почвоведение и агрохимия, https://orcid.org/0000-0001-8848-6794, Казахский национальный аграрный исследовательский университет

Keywords:

озонная очистка воды, цифровой двойник, гибридная математическая модель, анимационная модель, интеллектуальное управление, Model Predictive Control (MPC), искусственный интеллект, имитационное моделирование, прогнозирующее управление, водоподготовка, озонирование, интеллектуальные системы управления

Abstract

Разработка цифровых двойников процессов водоподготовки требует применения математических моделей, обеспечивающих одновременно физическую адекватность, вычислительную эффективность и возможность интеграции с интеллектуальными алгоритмами управления. В работе выполнен сравнительный анализ двух вариантов цифрового описания процесса озонной очистки воды: базовой анимационной модели с двумя основными переменными состояния и обобщённой гибридной модели, учитывающей суммарные загрязнители, органические вещества, соединения железа и марганца, бактериальную нагрузку, кислотность среды (pH) и температурный режим. Исследование проведено на основе численного моделирования с использованием единого интеллектуального контура управления MPC-подобного типа, что обеспечило сопоставимость результатов и позволило объективно оценить влияние структуры математической модели на качество управления.
Установлено, что базовая модель характеризуется меньшими значениями среднеквадратической и интегральной ошибок регулирования, а также более низким интегральным расходом управляющего воздействия благодаря упрощённому представлению загрязняющей нагрузки. В свою очередь, обобщённая гибридная модель обеспечивает более полное описание процессов потребления озона, учитывает многокомпонентный состав исходной воды и воспроизводит физико-химические закономерности озонирования с более высокой степенью достоверности. Показано, что увеличение расхода озона и ошибок регулирования при использовании обобщённой модели обусловлено не снижением эффективности интеллектуального управления, а усложнением математического описания объекта и перераспределением озона между несколькими каналами окисления.
Научная новизна работы заключается в сравнительном исследовании базовой и обобщённой гибридных моделей процесса озонной очистки воды при использовании единой структуры прогнозирующего управления, что позволило выделить влияние исключительно математической модели на характеристики интеллектуальной системы. Практическая значимость результатов состоит в обосновании применения обобщённой модели в качестве вычислительного ядра цифрового двойника и интеллектуального анимационного интерфейса водоочистной установки, предназначенных для анализа, прогнозирования и оптимизации технологических режимов

Published

2026-07-05

How to Cite

Умбетова Ш.М., Умбетов У.У., Курманбаев Г.Б., Баймаханова З.А., Калманова Г.К., & Ертаева Ж.Т. (2026). СРАВНИТЕЛЬНЫЙ АНАЛИЗ БАЗОВОЙ И ОБОБЩЁННОЙ ГИБРИДНЫХ АНИМАЦИОННЫХ МОДЕЛЕЙ ПРОЦЕССА ОЗОННОЙ ОЧИСТКИ ВОДЫ С ПРИМЕНЕНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА. Interdisciplinary Science Studies, (13). Retrieved from https://ojs.publisher.agency/index.php/ISS/article/view/9025

Issue

Section

Agricultural Sciences