Сайты ТУСУРа
Нажимая кнопку «СОГЛАСЕН», Вы подтверждаете то, что  Вы проинформированы об использовании cookies на нашем сайте. Отключить cookies Вы можете в  настройках своего браузера. Подробнее
Для того, чтобы мы могли качественно предоставить Вам услуги, мы используем cookies, которые сохраняются на Вашем компьютере (Сведения о местоположении; ip-адрес; тип, язык, версия ОС и браузера; тип устройства и разрешение его экрана; источник, откуда пришел на сайт пользователь; какие страницы открывает и на какие кнопки нажимает пользователь; эта же информация используется для обработки статистических данных использования сайта посредством интернет-сервиса Яндекс.Метрика)

Моделирование системы искусственного интеллекта для опережающего выявления аварийных ситуаций на жизненно важных объектах

Статья в журнале

В статье приводятся результаты моделирования системы искусственного интеллекта для опережающего выявления нежелательных ситуаций различного характера на объектах, представляющих важнейшее народнохозяйственное значение. В качестве такого объекта можно указать трубопроводный транспорт или любую другую производственную систему, в которой проводится непрерывный мониторинг параметров работоспособности ответственных узлов и механизмов. Данная модель может быть применена в работе различных нефтегазодобывающих компаний. Результаты моделирования и последующей разработки информационной системы предоставят базу для промышленной реализации высокоэффективных систем обнаружения и предотвращения аварийных ситуаций на основе нейросетевого анализа непрерывно получаемых потоковых данных. В рамках проводимого исследования проанализирована возможность применения для рассматриваемой задачи современных архитектур нейросетей, а именно: сверточных нейросетей - TCN, нейронных сетей прямого распространения - MLP, рекуррентных нейронных сетей - LSTM. Предложено для LSTM отказаться от функции активации, что крайне важно для данной задачи, потому что позволяет обеспечить нейросеть «долговременной памятью» о хранимых значениях. Кроме того, выполнено перекрестное сравнение скорости снижения ошибок при обучении сетей для обнаружения архитектуры, способной к «самообучению». Все модели были протестированы с использованием обучающих данных со скважин «Восточный купол». Для всех моделей было получено приемлемое совпадение тестовых и экстраполяционных данных.

Журнал:

  • Моделирование, оптимизация и информационные технологии
  • Воронежский институт высоких технологий (Воронеж)

Библиографическая запись: Моделирование системы искусственного интеллекта для опережающего выявления аварийных ситуаций на жизненно важных объектах [Электронный ресурс] / И. Г. Боровской [и др.] //Моделирование, оптимизация и информационные технологии. – 2022. – Т. 10. – № 3(38). – С. 17-18. – DOI: 10.26102/2310-6018/2022.38.3.001

Индексируется в:

Год издания:  2022
Страницы:  1 - 16
Язык:  Русский
DOI:  10.26102/2310-6018/2022.38.3.001