Abstract
<jats:p>Виконано порівняльний аналіз ефективності двох підходів машинногонавчання – алгоритму Random Forest і багатошарової нейронної мережі допрогнозування втрати стійкості тонкостінних циліндричних оболонок з різнимитипами та кількістю пошкоджень. Метою дослідження є оцінка ефективностіцих підходів до прогнозування втрати стійкості оболонок в умовах обмеженогооб’єму експериментальних даних. Для навчання моделей були використаннівідомі експериментальні дані з визначення критичних навантажень нациліндричні оболонки. Якість моделей оцінювали за метриками MAE, MSE та R2на різних вибірках. Результати показали, що RF забезпечує стабільні прогнозинавіть із обмеженими даними. НМ досягає вищої точності лише на повному наборіданих. Отримані результати демонструють доцільність застосуванняансамблевих методів у задачах оцінки стійкості пошкоджених оболонкових конструкцій, особливо за умов недостатнього обсягу експериментальної інформації.</jats:p>