Применение фреймворков автоматизированного машинного обучения в задаче коррекции показаний кориолисового расходомера

DOI: 10.25728/avtprom.2023.08.11

Рассматривается задача коррекции показаний кориолисового расходомера при протекании трехфазной среды с помощью методов машинного обучения. Показаны преимущества моделей ансамблей деревьев решений по сравнению с традиционными подходами на основе нейронных сетей и метода опорных векторов. Впервые в данной задаче использованы системы автоматизированного машинного обучения. Наилучшие результаты показывает отечественная система LightAutoML команды SberAI, построившая модель в 125 раз быстрее, чем эксперт и практически не уступившая ему в точности.