В работе рассматривается задача краткосрочного прогнозирования температуры льда в инженерных системах с высокой чувствительностью к тепловым нагрузкам. Предлагается трансформерная архитектура, дополненная физически-информированной функцией потерь, основанной на уравнении теплового баланса. Такой подход позволяет учесть инерционные свойства объекта и согласовать динамику прогнозируемой температуры с подаваемой мощностью и внешними условиями. Модель протестирована на данных с ледовой арены с минутной частотой измерений. Проведено сравнение с базовыми архитектурами LSTM, GRU, Transformer по метрикам MSE, MAE и MAPE. Результаты демонстрируют существенное улучшение точности в переходных режимах, а также устойчивость предсказаний к резким скачкам температуры, особенно после заливки льда. Предложенный метод может быть интегрирован в контуры интеллектуального управления инженерными объектами, обеспечивая не только высокую точность, но и физическую интерпретируемость модели. Работа подтверждает эффективность интеграции физического знания в нейросетевые прогнозные модели.

Ключевые слова: краткосрочное прогнозирование, временные ряды, трансформеры, машинное обучение, физически-информированная модель, предиктивное управление

1.2.2 - Математическое моделирование, численные методы и комплексы программ

В условиях климатического кризиса и роста стоимости энергоресурсов возрастает необходимость повышения энергоэффективности. Государства стремятся к сокращению выбросов углекислого газа, а бизнес — к оптимизации расходов на энергию. Цифровизация энергетики и внедрение технологий интернета вещей (IoT) создают условия для применения искусственного интеллекта (ИИ) в управлении энергопотреблением. В данной статье представлен обзор технологий ИИ и их применение в управлении энергопотреблением на примере ледовой арены. Проведен анализ данных энергопотребления, собранных с реального объекта, и рассмотрены методы нейросетевого моделирования временных рядов для прогнозирования и оптимизации управления. Представлены результаты моделирования, демонстрирующие потенциал использования предиктивных алгоритмов в снижении энергозатрат и повышении эффективности эксплуатации ледовых арен.

Ключевые слова: глобальное потепление, энергопотребление, энергоэффективность, цифровизация, интернет вещей, искусственный интеллект, управление энергопотреблением, машинное обучение, глубокое обучение, временные ряды, предиктивные алгоритмы

1.2.2 - Математическое моделирование, численные методы и комплексы программ

Статья посвящена проблеме дефицита парковочных мест в Ростове-на-Дону, а также отечественному и зарубежному опыту строительства надземных парковок в стесненных условиях сложившейся городской среды. В качестве решения проблемы рассматривается строительство механизированных паркингов в стенах старых аварийных зданий, как одно из составляющих программы Администрации Ростова по улучшению транспортной ситуации в городе. Приводятся примеры функционирующих подобных парковок в Москве, Будапеште, Детройте (штат Огайо, США). Делается вывод о возможности и трудностях проведения работ по приспособлению зданий под парковки в Ростове-на-Дону.

Ключевые слова: механизированная парковка, реставрация, сохранение, историческое здание, фасад