Высокая эффективность метода была доказана путем сопоставления сценария, предоставленного нейросетью, с реальными данными, полученными в ходе аварийной ситуации в Норильске в 2020 году.
"Существующие в настоящее время методики для оценки площади разлива нефтепродуктов в результате аварийной разгерметизации обладают рядом ограничений. Основу большинства методик 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 ФИЦ КНЦ СО РАН", - рассказал доцент кафедры экспериментальной физики и инновационных технологий Института инженерной физики и радиоэлектроники СФУ Александр Москалев.
Ученый подчеркнул, что для обучения нейросети использовались ежедневные оперативные данные по четырнадцати 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.
Источник – Агентство Нефтегазовой Информации
