Нейросеть сможет оценить риски аварий на предприятиях нефтяной отрасли в Арктике

Ученые Сибирского федерального университета (СФУ) предложили метод, который позволит с помощью самообучающегося искусственного интеллекта проводить регулярный фоновый мониторинг потенциально опасных объектов нефтяной отрасли в Российской Арктике. Исследователи доказали эффективность метода, сопоставив сценарий, предоставленный нейросетью, с реальными данными, полученными в ходе аварийной ситуации в Норильске в 2020 году. 

Хозяйственная деятельность человека в арктической зоне чревата различными катаклизмами, наносящими урон хрупкой северной экосистеме. Рост количества промышленных объектов по добыче, переработке и хранению нефтепродуктов подразумевает строительство стационарных топливных резервуаров, мониторинг состояния которых затруднителен из-за удаленности и сложных погодных условий в Арктике. В 2020 году на севере Красноярского края произошла одна из крупнейших в истории утечек нефтепродуктов в арктической зоне. Эта чрезвычайная ситуация продемонстрировала острую необходимость в постоянной оценке рисков и выработке эффективных моделей прогнозирования аварий на потенциально опасных объектах. 

«Существующие в настоящее время методики для оценки площади разлива нефтепродуктов в результате аварийной разгерметизации обладают рядом ограничений. Основу большинства из них составляют аналитические модели, не учитывающие физику процессов. Мы решили для моделирования аварийного разлива нефтепродуктов на потенциально опасном объекте, расположенном в арктическом регионе Красноярского края, применить нейронные сети. Для программной реализации выбрали имитатор нейронной сети NeuroРго, разработанный в Институте вычислительного моделирования Красноярского научного центра Сибирского отделения РАН», ― сообщил доцент кафедры экспериментальной физики и инновационных технологий Института инженерной физики и радиоэлектроники СФУ Александр Москалёв. 

Для обучения нейросети использовали ежедневные оперативные данные по 14 основным векторам признаков, влияющих на скорость распространения аварии. При этом нейросетевое моделирование сценария, по которому произошло аварийное разлитие нефти в 2020 году при разгерметизации одного из топливных резервуаров, с высокой точностью соотносилось с данными реальной ситуации.

Исследование выполнено при поддержке Красноярского краевого фонда науки в рамках гранта КФ-779 «Разработка комплекса необходимых превентивных мероприятий для защиты населения и арктической территории Красноярского края от природных и техногенных чрезвычайных ситуаций на основе нейросетевой оценки возникновения». 

Читать также