Новый подход спасет газопроводы от аварий
Ученые ТюмГУ и Тюменского филиала Института теоретической и прикладной механики имени С. Христиановича СО РАН разработали многофакторную модель прогнозирования накопления жидкости в промысловых газопроводах с высокой способностью к обобщению и прогнозу. Модель может стать полезным средством для анализа и локализации процесса накопления жидкости, обеспечивая более упрощенное и всестороннее прогнозирование по сравнению с аналогами.
«Наша модель имеет преимущество перед численным моделированием в различных симуляторах ввиду того, что повышает эффективность расчетов и снижает время и трудозатраты на моделирование», — пояснили один из разработчиков, магистрант ТюмГУ Павел Крылов.
Исследователи основывались на статистических данных эксплуатации трубопроводов нефтегазоконденсатных месторождений Западной и Восточной Сибири. Именно на их основе был создан массив данных для расчета параметров в динамическом симуляторе неустановившихся многофазных потоков, необходимых для проведения машинного обучения. При моделировании ученые получили 617 413 различных наборов параметров, из которых в 347 778 случаев накопление не происходит, а в 269 635 происходит.
Как пояснили специалисты, сегодня существует множество методик прогнозирования накопления жидкости, однако большинство из них являются полуэмпирическими и не располагают высокой точностью, также определяющим критерием для них, в подавляющем большинстве, является скорость газа. Сложность протекания физического процесса затрудняет создание корректной математической модели.
Современные коммерческие симуляторы неустановившегося многофазного потока позволяют моделировать большое количество сценариев, тем не менее, все они могут моделировать задачу под конкретно взятые условия и требуют постоянного перерасчета, больших временных и трудозатрат. По этой причине происходит поиск новых методов, способных быстро и эффективно прогнозировать накопление жидкости в газопроводах.
В рамках работы тюменцы провели обучение моделей по различным алгоритмам и сравнили их с выбором наилучшей по показателями качества, включая методы логистической регрессии, линейного дискриминантного анализа, дерева принятия решений, наивного байесовского классификатора и так далее.
Telegram 
Дзен 
VK 
