МІКРОСЕРВІСНА СИСТЕМА АДАПТИВНОГО КЕРУВАННЯ МІКРОКЛІМАТОМ ПРИМІЩЕНЬ НА ОСНОВІ LSTM-ПРОГНОЗУВАННЯ

Анотація

Підтримання стабільних параметрів мікроклімату є критично важливим завданням для розумних будівель, систем закритого землеробства та промислових об’єктів, де традиційні централізовані системи керування часто не забезпечують необхідної гнучкості, масштабованості та відмовостійкості в умовах динамічних змін зовнішнього середовища. У роботі запропоновано мікросервісну систему адаптивного керування мікрокліматом, яка поєднує реальний збір даних із IoT-сенсорів, розподілену взаємодію сервісів та прогнозування на основі методів машинного навчання для реалізації проактивного керування параметрами середовища. Методологія дослідження включає системний аналіз предметної області, архітектурну декомпозицію системи на автономні мікросервіси, використання протоколів REST та MQTT для обміну даними, контейнеризацію компонентів засобами Docker, а також експериментальне тестування реалізованого прототипу. Запропонована архітектура передбачає розділення функцій збору даних, зберігання, аналітики, формування керувальних рішень, керування виконавчими пристроями та моніторингу, що забезпечує слабку зв’язаність компонентів, локалізацію відмов і можливість незалежного масштабування сервісів. Ключовим внеском роботи є реалізація аналітичного модуля на основі рекурентних нейронних мереж типу Long Short-Term Memory (LSTM), що дозволяє прогнозувати температуру та вологість на основі історичних часових рядів. Попередня обробка даних включає фільтрацію, нормалізацію та агрегування показників, після чого модель формує прогноз майбутніх значень, що забезпечує перехід від реактивного до проактивного керування мікрокліматом. Експериментальна оцінка підтвердила стабільну роботу системи із середньою затримкою реакції менш ніж дві секунди. Модель прогнозування продемонструвала високу точність: коефіцієнт детермінації R² ≈ 0,90 для температури та R² ≈ 0,94 для вологості при середній абсолютній похибці MAE 0,21 °C і 0,56 % відповідно. Отримані результати підтверджують, що використання прогнозної аналітики в поєднанні з мікросервісною архітектурою дозволяє підвищити стабільність параметрів середовища та енергоефективність системи. Запропонований підхід демонструє практичну ефективність інтеграції принципів мікросервісної архітектури з інтелектуальними методами аналізу даних і може бути використаний у розумних будівлях, вертикальних фермах і промислових середовищах, де необхідне масштабоване та адаптивне керування мікрокліматом.