Список литературы

2518-1092

Научный результат. Информационные технологии

2518-1092

10.18413/2518-1092-2026-11-2-0-3

4253

ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ

<strong>ЛИНЕЙНАЯ И ПОЛИНОМИАЛЬНАЯ РЕГРЕССИЯ КАК ИНСТРУМЕНТЫ АНАЛИЗА ИСТОРИЧЕСКИХ ДАННЫХ В ЗАДАЧАХ НЕФТЕПЕРЕРАБОТКИ</strong>

<strong>LINEAR AND POLYNOMIAL REGRESSION AS TOOLS FOR HISTORICAL DATA ANALYSIS IN OIL REFINING PROBLEMS</strong>

Левина

Татьяна Михайловна

Levina

Tatyana Mikhailovna

tattin76@mail.ru

Альмухаметова

Элина Ильнуровна

Almukhametova

Elina Ilnurovna

Чудаков

Никита Михайлович

Chudakov

Nikita Mikhailovich

2026

11200

В статье исследуется применение регрессионных методов (линейной и полиномиальной регрессии) для прогнозирования технологических параметров в нефтегазовой отрасли. Актуальность работы обусловлена потребностью в точных инструментах прогнозирования, позволяющих оптимизировать управление нефтеперерабатывающими установками и снижать риски отклонений от нормативных режимов. Методология исследования включает анализ исторических данных. Практическая реализация выполнена с использованием веб технологий. Программная архитектура построена по клиент серверному принципу, что обеспечивает масштабируемость и безопасность системы. В результате сформированы математические модели для трёх ключевых параметров нефтепереработки, реализована веб платформа с интерактивными графиками и подтверждена возможность интеграции решений в промышленную среду на базе отечественной операционной системы. Сделан вывод, что линейная и полиномиальная регрессия – эффективные инструменты анализа исторических данных и прогнозирования технологических параметров. Результаты исследования обеспечивают наглядность, кроссплатформенность и надёжность, что делает его перспективным для внедрения в производственные процессы нефтепереработки.

The article examines the application of regression methods (linear and polynomial regression) for predicting technological parameters in the oil and gas industry. The relevance of the study stems from the need for accurate forecasting tools that help optimize the control of oil refining units and reduce the risks of deviations from standard operating modes. The research methodology includes the analysis of historical data. The practical implementation was carried out using web technologies. The software architecture follows a client server approach, which ensures the system’s scalability and security. As a result, mathematical models were developed for three key parameters of oil refining, an interactive web platform with graphs was implemented, and the feasibility of integrating the solutions into an industrial environment based on a domestic operating system was confirmed. It is concluded that linear and polynomial regression are effective tools for analyzing historical data and predicting technological parameters. The research results provide clarity, cross platform compatibility, and reliability, making the solution promising for implementation in oil refining production processes.

линейная регрессияполиномиальная регрессияпрогнозирование технологических параметровнефтегазовая отрасльматематическая модельклиент серверная архитектуравизуализация данныхбиблиотека построения графиков

linear regressionpolynomial regressiontechnological parameter forecastingoil and gas industrymathematical modelclient server architecturedata visualizationcharting library

Список литературы

Пожары и пожарная безопасность в 2019 году: статистический сборник / под общ. ред. Д.М. Гордиенко. – Москва: ВНИИПО, 2020. – 80 с.

Ударцева О.В. Анализ условий и причин возникновения аварийных ситуаций на нефтегазовых предприятиях // Проблемы управления рисками в техносфере. – 2020. – № 2(54). – С. 6-15. – EDN FMPLMZ.

Леонова И.В. Основные причины возникновения аварийных ситуаций на опасных производственных объектах // Студенческий. – 2022. – № 22-4(192). – С. 29–36.

Федеральный закон от 08.08.2024 № 318-ФЗ "О внесении изменений в отдельные законодательные акты Российской Федерации и признании утратившими силу отдельных положений законодательных актов Российской Федерации" // Официальный интернет-портал правовой информации. – URL: http://www.pravo.gov.ru (дата обращения: 15.10.2025).

Tanaka H., Uejima S., Asai K. Linear regression analysis with fuzzy model // IEEE Transactions on Systems, Man, and Cybernetics. – 1982. – Vol. 12, no. 6. – P. 903-907.

Yang Q., Liu Y., Chen T., Tong Y. Federated machine learning: Concept and applications // ACM Transactions on Intelligent Systems and Technology (TIST). – 2019. – Vol. 10, No. 2. – P. 1-19.

Таскин А.С. Линейная регрессия с кластеризацией по признаку на данных с действительными величинами / А.С. Таскин, Е.М. Миркес // Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. – 2012. – № 3(43). – С. 71-76. – EDN PCTYLN.

Geron A. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. – O'Reilly Media, 2022. – 880 p.

Базилевский М.П., Караулова А.В. Оценка степени нелинейности полиномиальных регрессионных моделей // Информационные технологии и математическое моделирование в управлении сложными системами. – 2022. – № 3(15). – С. 1-6. – EDN QOAUOW.

Петров А.В. Индикаторы первого уровня в полиномиальном регрессионном анализе / А.В. Петров // Вестник Иркутского государственного технического университета. – 2018. – Т. 22, № 5 (136).

Montgomery D.C., Peck E.A., Vining G.G. Introduction to linear regression analysis. – John Wiley & Sons, 2021. – 608 p.

Куваев М.Ю., Антимонов О.В. Современные тенденции развития веб-разработки // StudNet. – 2020. – № 9. – URL: https://cyberleninka.ru/article/n/sovremennye-tendentsii-razvitiya-veb-razrabotki (дата обращения: 17.10.2025).

Гридин В.Н., Анисимов В.И., Васильев С.А. Методы повышения производительности современных веб-приложений // Известия ЮФУ. Технические науки. – 2020. – № 2 (212). – С. 193-200.

Introduction to npm // Node.js: [Электронный ресурс]. – URL: https://nodejs.org/en/learn/getting-started/an-introduction-to-the-npm-package-manager (дата обращения: 17.10.2025).

Шнайдерман Б. Проектирование пользовательского интерфейса. – Москва: ДМК Пресс, 2020. – 648 с.

Гайнанова Р.Ш., Широкова О.А. Создание клиент-серверных приложений // Вестник Технологического университета. – 2017. – Т. 20, № 9. – С. 79-84.

Полуэктова Н. Р. Разработка веб-приложений. – Москва: Юрайт, 2024. – 205 с.

Официальный сайт РЕД ОС: База знаний // РЕД Софт: [Электронный ресурс]. – URL: https://redos.red-soft.ru/base (дата обращения: 18.10.2025).

Свидетельство о государственной регистрации программы для ЭВМ № 2025612664 Российская Федерация. Программа автоматизированного рабочего места оператора битумной установки: заявл. 10.01.2025: опубл. 03.02.2025 / Т.М. Левина, Н.М. Чудаков, Н.С. Клинков; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Уфимский государственный нефтяной технический университет». – EDN ODTXFK.

Свидетельство о государственной регистрации программы для ЭВМ № 2025612821 Российская Федерация. Программа автоматизированного рабочего места технолога битумной установки: заявл. 10.01.2025: опубл. 04.02.2025 / Т.М. Левина, Н.М. Чудаков, Н.С. Клинков; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Уфимский государственный нефтяной технический университет». – EDN ADHVFT.