Модельдер жүктелмеген болса, оларды оқыту керек. Модельдер оқытылғаннан кейін, ML API серверін қайта іске қосыңыз.
Модельдерді оқыту:
Немесе Terminal арқылы: node scripts/train-ml-models.js all (барлық модельдер) node scripts/train-ml-models.js [model_type] (бір модель) cd ml && python train.py --model all (барлық модельдер)
Модельдерді жүктеу:
Модельдер оқытылғаннан кейін, ML API серверін қайта іске қосыңыз: node scripts/start-ml-api.js
Ескерту:
• Модельдерді оқыту Python серверін қосылудан БҰРЫН жасалуы керек!
• Модельдер ml/models/ директориясында сақталады
• Оқытылған модельдер: Forward Model (x1-x6 → y1, y2), Reverse Model (y1, y2 → x1-x6)
• Fuzzy Logic модельдер автоматты түрде құрылады (оқыту қажет емес)
• Модельдер оқытылғаннан кейін, ML API серверін қайта іске қосыңыз
Health Check
GET/health
ML API серверінің дұрыс жұмыс істеп тұрғанын тексеру. Модельдердің жүктелгенін көрсетеді.
ML Модель Endpoint-тері
POST/predict
Прямая модель: кіріс параметрлерінен (x1-x6) шығыс параметрлерін (y1, y2) болжау.
Request Body (JSON):
x1numberШикізат шығыны (т/тәулік)
x2numberШикізат тығыздығы (т/м³)
x3numberШикізат температурасы (°C)
x4numberРеактор температурасы (°C)
x5numberРеактор қысымы (кгс/см²)
x6numberКатализатор шығыны (т/тәулік)
POST/reverse-predict
Кері бағыттағы модель: шығыс параметрлерінен (y1, y2) кіріс параметрлерін (x1-x6) болжау.
Request Body (JSON):
y1numberБензин көлемі (%)
y2numberБензин тығыздығы
POST/optimize
Обратная оптимизация: мақсатты y1, y2 үшін оптималды x1-x6 параметрлерін табу.
Request Body (JSON):
y1numberМақсатты бензин көлемі (%)
y2numberМақсатты бензин тығыздығы
weightsarray (optional)y1 және y2 үшін салмақтар [w1, w2]
GET/feature-importance
Параметрлердің маңыздылығын алу (Random Forest/Gradient Boosting үшін). Әрбір параметрдің y1 және y2-ге қаншалықты әсер ететінін көрсетеді.
GET/metrics
Модель метрикаларын алу: R² (R-squared), RMSE (Root Mean Squared Error), MAPE (Mean Absolute Percentage Error). Әрбір модель үшін (y1, y2) есептеледі.
Fuzzy Logic Endpoint-тері
POST/fuzzy/predict
Айқын емес логика (Fuzzy Logic) болжау: эксперттік ережелер базасы арқылы тиістілік функцияларын қолдана отырып, x1-x6 → y1, y2 болжау.