Вестник УлГТУ

Cite. Dmitry V. Stepushin, Anton A. Romanov Research and development of models and methods for heat consumption time series // Bulletin of Ulyanovsk State Technical University 111(3), 39-48 (2025).

Abstract. The study reviews modern forecasting approaches, including traditional statistical models (ARIMA, SARIMA) and machine learning methods (LSTM, GRU, CNN, Prophet). It was found that neural networks, particularly LSTM and GRU, exhibit higher accuracy when handling long time series. The work underscores the relevance of applying artificial intelligence in forecasting thermal loads, especially amid increasing data volumes and the degradation of energy infrastructure. The proposed system holds potential for further development, including the integration of new functionalities and expansion into other areas of housing and utilities management.

Keywords: neural networks, LSTM, GRU, machine learning, time series, forecasting.  

Цитата. Дмитрий ВалерьевичСтепушин, Антон Алексеевич Романов Исследование и разработка моделей и методов анализа временных рядов метрик теплопотерь в домах // Вестник Ульяновского государственного технического университета. 2025. №3. С. 39-48

Аннотация. В рамках исследования проведён обзор современных подходов к прогнозированию, включая традиционные статистические модели (ARIMA, SARIMA) и методы машинного обучения (LSTM, GRU, CNN, Prophet). Выявлено, что нейронные сети, особенно LSTM и GRU, демонстрируют более высокую точность при работе с длинными временными рядами. Работа подчёркивает актуальность применения искусственного интеллекта в прогнозировании тепловых нагрузок, особенно в условиях роста объёмов данных и деградации энергетической инфраструктуры. Предложенная система имеет потенциал для дальнейшего развития, включая интеграцию новых функций и расширение на другие области ЖКХ.

Ключевые слова: нейронные сети, LSTM, GRU, машинное обучение, временные ряды, прогнозирование 

doi: 10.61527/1684-7016-2025-3-39-48