Zasięg przewidywań chaotycznej dynamiki autotermicznego reaktora rurowego

W pracy tej zaprezentowano możliwości zastosowania modeli typu sieci neuronowych do identyfikacji oraz przewidywania silnie nieliniowej (chaotycznej) dynamiki na przykładzie autotermicznego reaktora rurowego z dyspersją wzdłużną. Zbadano wpływ zasięgu takich przewidywań na wielkość powstającego błędu.

---

This paper presents the ability of data driven neural net (NN) models to identify and predict the nonlinear (including chaotic) dynamics of chosen systems. The influence of forecasting time horizon on neural net model accuracy was studied.