Морфологический анализ текста это один из необходимых этапов обработки текста на естественном языке, на котором происходит определение частей речи и грамматических признаков слов. В работе предлагается алгоритмический метод морфологического анализа отдельных слов и предложений при помощи заранее известного программе множества окончаний. Морфологической парадигмой в лингвистике называется набор словоформ, принадлежащих одной лексеме. Для существительного, например, парадигма будет состоять обычно из 12 словоформ, то есть из всех комбинаций изменения времени и падежа. В русском языке именно окончание определяет и часть речи, и грамматические признаки слов, когда как суффиксы и корень не всегда могут дать ответ. Назовём набор окончаний, присущих парадигме слова рядом. Вид ряда для конкретной леммы зависит от последних букв окончания, ударения, склонения, грамматического рода и других признаков. Таких рядов для каждой части речи в русском языке можно выделить постоянное множество. Таким образом можно дать очень точный набор вариантов разбора слова, выделив окончания слова и произведя поиск этого окончания среди рядов. Зная только к какому ряду принадлежит данная словоформа и номер окончания в ней, можно не только извлекать информацию о слове, поскольку ряды соответствуют вышеописанным грамматическим признакам, но и склонять его свободно, просто меняя номер окончания. Из-за повсеместного совпадения вида окончаний разбор слова без контекста, как есть, неизбежно будет содержать неопределённый набор вариантов разбора. Истинный среди них можно найти путём усечения множества вариантов при помощи информации о самом слове, в частности при помощи суффиксов, и информации о контексте слова, как например о предлоге перед словом. Таким образом можно получить морфологический анализ предложения, разбирая каждое слово предложения последовательно с использованием информации о предыдущих разборах. Реализованный в результате работы метод обеспечивает как высокую точность, так и высокую скорость работы при минимальных затратах памяти, однако в текущей реализации чувствителен к опечаткам и не предполагает использование для других языков кроме русского.

Предлагается энергоэффективная ресурсосберегающая интеллектуальная система управления процессами газодобычи. Система обеспечивает стабилизацию давления в общем коллекторе куста газовых скважин при изменении в широких пределах физико-технических параметров добычи газа. Адаптивный ПИД-регулятор с управляемой частотой управляющего сигнала значительно повышает ресурс технических средств управления. Система также решает задачу максимизации давления газа в коллекторе в случаях выхода на минимальные расходы скважин, допускаемые технологической картой.

Интеллектуальная обработка текстов на естественном языке представляет собой алгоритмическое получение знаний из текста и их структуризацию. Компьютер, оперируя полученными знаниями, способен выполнять многие простые с точки зрения человека задачи. Специальные алгоритмы могут автоматизировать обработку текстов, сортировку согласно их содержанию, или их изменение. Возможно построение вопросно-ответной системы, способной по запросу, сформулированному на естественном языке, выдавать необходимую пользователю информацию из текста мгновенно. Представление содержания текста состоит двух частей: из знаний о внешних объектах, референтах, и из знаний об этих объектах, полученных из текста. Для получения второй части используется понятие семантического дерева, которое связывает все слова текста в соответствии с их лексической и морфологической ролью, например, подлежащие и сказуемые, прилагательные и относящиеся к ним существительные, местоимения и имена собственные и так далее. Зная каждое слово, можно восстановить знание из цельного текста по семантическому дереву. В работе представлен анализ видов кореференции в русском языке, которые можно разделить по нескольким признакам: референтные связи отличаются по семантическому классу референтов, отношению к знанию читателя, по синтаксическому выражению и по другим признакам. Для поиска кореферентных связей применяются методы, основанные на системе строгих правил, статистические методы и методы, основанные на машинном обучении. Проводится сравнение различных методов решения задачи между собой, на основе полученной кореференции строится семантическое дерево.

Широкое распространение накопителей электроэнергии меняет задачу планирования установившихся режимов работы распределительной сети, что требует новых подходов к ее решению. В данной работе эта задача формулируется как задача линейного программирования. Эффективность решения линейной постановки с помощью модификаций симплекс-метода, реализованного в Gurobi 9.1 – одном из наиболее мощных коммерческих оптимизационных пакетов, сравнивается с эффективностью декомпозиционного алгоритма Данцига-Вульфа и алгоритмом приближенного динамического программирования, которые реализованы на языке Python 3.8. Линейная постановка позволяет легко масштабировать задачу по многим направлениям: повышение размерности, интеграция дискретных переменных, введение сложных зависимостей между периодами. Gurobi 9.1 показывает высокую эффективность и масштабируемость. Метод декомпозиции Данцига-Вульфа показывает сравнимую эффективность только для задач с малым числом накопителей. Рассмотренный вариант метода приближенного динамического программирования имеет хорошую масштабируемость при достаточной эффективности.