https://er.chdtu.edu.ua/handle/ChSTU/5338 Wed, 24 Jun 2026 04:30:37 GMT 2026-06-24T04:30:37Z https://er.chdtu.edu.ua/handle/ChSTU/5344 Title: Innovative software for analysing satellite data and methane emissions using radiative transfer model Authors: Aghayeva, Kamala; Krauklit, German; Агаєва, Камала; Краукліт, Герман Abstract: The study aimed to analyse the effectiveness of the radiative transfer model (RTM) in software for processing satellite data and monitoring methane emissions. Satellite data analysis, radiative transfer modelling and integration with geographic information systems (GIS) were used to study methane emissions and their spatial and temporal changes. The study determined that the use of RTM to analyse satellite data significantly improves the accuracy of methane emissions estimates. Experimental data has shown that this model can be used to create a more efficient accounting of atmospheric factors such as cloud cover and aerosols, which minimises errors in methane concentration calculations. The study also confirmed that this approach can be used to monitor emissions in different geographical regions with high accuracy. Satellite data was used to identify key sources of methane emissions, including industrial areas and natural sources. The study determined that the Carbon Mapper software can be used as a tool for global monitoring of methane and other greenhouse gases, which contributes to a more effective fight against climate change. The software solution also integrates with GIS to provide data visualisation and improve data interpretation. In addition, the results showed that RTM can be used for accurate determination of temporal changes in methane concentrations, which is important for prompt response to increased emissions in critical areas. The software has demonstrated a high degree of scalability, which allows it to be used for analysing data on both a local and global scale. In conclusion, the use of this model in combination with high-precision satellite monitoring has proven to be effective in environmental monitoring and greenhouse gas emissions management.; Дослідження було проведено для аналізу ефективності застосування моделі радіаційного переносу (RTM) в програмному забезпеченні для опрацювання супутникових даних і моніторингу викидів метану. У процесі дослідження було використано методи аналізу супутникових даних, моделювання радіаційного переносу та інтеграції з геоінформаційними системами для вивчення викидів метану та їхніх просторовочасових змін. Під час дослідження було встановлено, що застосування RTM для аналізу супутникових даних істотно підвищує точність оцінки викидів метану. Експериментальні дані засвідчили, що використання цієї моделі дає змогу більш ефективно враховувати атмосферні чинники, як-от хмарність та аерозолі, що мінімізує помилки в розрахунках концентрацій метану. Також було підтверджено можливість застосування цього підходу для моніторингу викидів у різних географічних регіонах із високою точністю. Супутникові дані дали змогу визначити ключові джерела метанових викидів, включно з промисловими зонами та природними джерелами. У результаті дослідження було виявлено, що програмне забезпечення Carbon Mapper може використовуватися як інструмент для глобального моніторингу метану та інших парникових газів, що сприяє більш ефективній боротьбі зі зміною клімату. Програмне рішення також інтегрується з геоінформаційними системами для надання візуалізації даних і поліпшення їхньої інтерпретації. Крім того, результати засвідчили, що RTM дає змогу точно визначати тимчасові зміни в концентраціях метану, що важливо для оперативного реагування на зростання викидів у критичних зонах. Програмне забезпечення продемонструвало високий ступінь масштабованості, що дає змогу застосовувати його для аналізу даних як локального, так і глобального масштабу. Таким чином, використання даної моделі в поєднанні з високоточним супутниковим моніторингом підтвердило свою ефективність в екологічному моніторингу та управлінні викидами парникових газів. Mon, 01 Jan 2024 00:00:00 GMT https://er.chdtu.edu.ua/handle/ChSTU/5344 2024-01-01T00:00:00Z https://er.chdtu.edu.ua/handle/ChSTU/5343 Title: Optimisation of dynamometric data collection and processing to improve the efficiency of neural network diagnostics of a sucker-rod pump Authors: Turchyn, Oleksandr; Турчин, Олександр Abstract: The purpose of the study was to improve the accuracy and speed of analysis of dynamometric data by improving the methods of their collection and processing, which would contribute to a more efficient operation of neural networks in the context of equipment diagnostics. In this paper, a comprehensive study was conducted aimed at improving the efficiency of diagnostics of sucker-rod pumps using neural networks by optimising the processes of collecting and processing dynamometric data. The main problems that arise during data collection and analysis, such as the presence of noise, poor signal quality, and a large amount of irrelevant information, were considered. Based on this analysis, methods were proposed to improve data quality, in particular, noise filtering, signal normalisation, and the use of algorithms to automatically select the most important characteristics. In the course of the study, there were several variants of algorithms for processing dynamometric data, which helped to achieve a significant increase in the accuracy of neural networks. In particular, the results showed that the accuracy of diagnostics increased by 15%, and the time required for data processing was reduced by 20%. This improved the overall performance of the diagnostic system, reducing the number of erroneous conclusions and increasing the reliability of the sucker-rod pump. The results of the study showed that optimisation of the collection and processing of dynamometric data led to an increase in diagnostic accuracy and a reduction in processing time. The use of combined neural network architectures has shown more effective results compared to conventional methods. These improvements can reduce maintenance costs and improve equipment efficiency.; Метою дослідження було підвищення точності і швидкості аналізу динамометричних даних шляхом удосконалення методів їх збору та обробки, що сприятиме більш ефективній роботі нейронних мереж у контексті діагностики обладнання. У роботі проведено комплексне дослідження, направлене на підвищення ефективності діагностики глибинно-насосних штангових установок за допомогою нейронних мереж шляхом оптимізації процесів збору та обробки динамометричних даних. Було розглянуто основні проблеми, що виникають під час збору та аналізу даних, такі як наявність шумів, низька якість сигналу, а також велика кількість нерелевантної інформації. На основі цього аналізу були запропоновані методи для покращення якості даних, зокрема фільтрація шумів, нормалізація сигналу та використання алгоритмів для автоматизованого відбору найбільш важливих характеристик. У процесі дослідження було кілька варіантів алгоритмів обробки динамометричних даних, що дозволило досягти значного підвищення точності роботи нейронних мереж. Зокрема, результати показали, що точність діагностики збільшилася на 15 %, а час, необхідний для обробки даних, скоротився на 20 %. Це дозволило покращити загальну продуктивність системи діагностики, зменшивши кількість помилкових висновків і підвищивши надійність роботи глибинно-насосної штангової установки. Результати дослідження показали, що оптимізація збору та обробки динамометричних даних призвела до підвищення точності діагностики та скорочення часу обробки. Застосування комбінованих архітектур нейронних мереж продемонструвало ефективніші результати у порівнянні з традиційними методами. Дані вдосконалення можуть знизити витрати на технічне обслуговування та підвищити ефективність роботи обладнання. Mon, 01 Jan 2024 00:00:00 GMT https://er.chdtu.edu.ua/handle/ChSTU/5343 2024-01-01T00:00:00Z https://er.chdtu.edu.ua/handle/ChSTU/5342 Title: Using design patterns and typed languages in the development of an adaptive model of personalised learning Authors: Fedorka, Pavlo; Saibert, Fedir; Buchuk, Roman; Федорка, Павло; Сайберт, Федір; Бучук, Роман Abstract: The purpose of this study was to determine the effectiveness of using design patterns and typed programming languages, specifically TypeScript and C#, in building an adaptive model of personalised learning in software engineering. The study examined the use of design patterns in the development of an adaptive model of personalised learning, reviewed the use of TypeScript and C# in the creation of such a model, and compared these typed programming languages and resources for software engineering education. The key findings of the study showed that among the design patterns, Singleton, Factory, Strategy, and Observer are the most effective for building an adaptive personalised learning model, as they increase the flexibility and adaptability of the system. The developed software prototypes showed that the use of the TypeScript language ensures the reliability of the adaptive system due to static typing and flexible interfaces, while the C# language with Generics and Language Integrated Query (LINQ) capabilities contributes to effective data management and modular integration. The comparative analysis revealed that C# is better suited for more complex systems with higher data management requirements, while TypeScript provides fast integration and greater flexibility in front-end development. A review of the available learning resources for both languages also revealed a greater variety for TypeScript, which may facilitate faster learning for new users. The conclusions showed that the use of design patterns and typed programming languages is an essential approach to creating personalised learning models that can adapt to individual user needs and increase the effectiveness of software engineering education.; Мета роботи полягала у визначенні ефективності застосування шаблонів проєктування та типізованих мов програмування, зокрема TypeScript і C#, у побудові адаптивної моделі персоналізованого навчання у сфері програмної інженерії. Під час дослідження було розглянуто використання шаблонів проєктування при розробці адаптивної моделі персоналізованого навчання, проведено огляд та використання мов TypeScript та C# у створенні такої моделі, а також порівняно дані типізовані мови програмування та ресурси для навчання у програмній інженерії. Основні результати дослідження показали, що серед шаблонів проєктування найефективнішими для побудови адаптивної моделі персоналізованого навчання є Singleton, Factory, Strategy та Observer, оскільки вони підвищують гнучкість і адаптивність системи. Розроблені програмні прототипи продемонстрували, що використання мови TypeScript забезпечує надійність адаптивної системи завдяки статичній типізації та гнучким інтерфейсам, а мова C# з можливостями Generics та Language Integrated Query (LINQ) сприяє ефективному управлінню даними та модульною інтеграцією. У порівняльному аналізі виявлено, що мова C# краще підходить для складніших систем з високими вимогами до управління даними, тоді як TypeScript забезпечує швидку інтеграцію й більшу гнучкість у розробці фронтенду. Також проведений огляд доступних навчальних ресурсів для обох мов виявив більшу різноманітність для TypeScript, що може сприяти швидшому освоєнню для нових користувачів. Висновки свідчать, що застосування шаблонів проєктування та типізованих мов програмування є важливим підходом до створення персоналізованих навчальних моделей, що здатні адаптуватися до індивідуальних потреб користувача та підвищувати ефективність навчання у програмній інженерії. Mon, 01 Jan 2024 00:00:00 GMT https://er.chdtu.edu.ua/handle/ChSTU/5342 2024-01-01T00:00:00Z https://er.chdtu.edu.ua/handle/ChSTU/5341 Title: Data encryption as a method of protecting personal data in a cloud environment Authors: Ahmadov, Samur; Ахмадов, Самур Abstract: . In the context of cloud technologies, encryption plays a critical role, as data are constantly transmitted over the network and stored on remote servers, which makes them a potential target for cyber-attacks. The purpose of the study lied in a comprehensive analysis of data encryption methods as the main tool for protecting personal information in cloud services. Modern encryption technologies, including symmetric and asymmetric encryption, and their application in various cloud platforms were considered. A comparative analysis of these methods was conducted in terms of their effectiveness, impact on system performance, and complexity in implementation. An important aspect of the study was the examination of problems related to the management of encryption keys, including their secure storage and protection from unauthorised access. The study also examined examples of successful encryption implementation on popular cloud platforms and ways to ensure their compliance with the requirements of legislation in the field of personal data protection. The regulatory acts regulating the processing and storage of personal information and their impact on the choice and implementation of encryption methods in the cloud were analysed. The results of the study showed that encryption remains one of the most reliable ways to protect data in a cloud environment but an integrated approach is needed for its effective application. Optimal data protection includes not only encryption but also key management, regular security monitoring, and staff training. This helps minimise the risks of data leaks and increase user confidence in cloud services.; У контексті хмарних технологій шифрування відіграє ключову роль, оскільки дані постійно передаються мережею і зберігаються на віддалених серверах, що робить їх потенційною мішенню для кібератак. Мета дослідження полягала у всебічному аналізі методів шифрування даних як основного інструменту для захисту персональної інформації в хмарних сервісах. Розглянуто сучасні технології шифрування, включно із симетричним та асиметричним шифруванням, а також їхнє застосування в різних хмарних платформах. Проведено порівняльний аналіз цих методів з погляду їхньої ефективності, впливу на продуктивність систем і складності в реалізації. Важливим аспектом дослідження стало вивчення проблем, пов’язаних з управлінням ключами шифрування, включно з їхнім безпечним зберіганням і захистом від несанкціонованого доступу. У рамках дослідження також розглянуто приклади успішного впровадження шифрування на популярних хмарних платформах і способи забезпечення їхньої відповідності вимогам законодавства у сфері захисту персональних даних. Проаналізовано нормативні акти, що регулюють обробку та зберігання персональної інформації, та їхній вплив на вибір і реалізацію методів шифрування в хмарі. Результати дослідження показали, що шифрування залишається одним із найнадійніших способів захисту даних у хмарному середовищі, але для його ефективного застосування необхідний комплексний підхід. Оптимальний захист даних включає не тільки шифрування, а й управління ключами, регулярний моніторинг безпеки та навчання персоналу. Це допоможе мінімізувати ризики витоків даних і підвищити довіру користувачів до хмарних сервісів. Mon, 01 Jan 2024 00:00:00 GMT https://er.chdtu.edu.ua/handle/ChSTU/5341 2024-01-01T00:00:00Z