Статья: ПРИМЕНЕНИЕ ТЕХНОЛОГИИ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ КОРРОЗИИ ТРУБОПРОВОДОВ (2024)

Читать онлайн

Прогнозирование коррозионных дефектов является важной задачей при оценке надежности трубопровода, поскольку позволяет точно предсказать параметры его технического состояния. В настоящее время при использовании статистической модели для моделирования роста коррозии применяются методы коррекции, чтобы уменьшить разрыв между прогнозируемыми значениями и фактическими данными. Это связано с неопределенностями, вызванными технологией инспекций трубопроводов. Целью данного исследования является разработка модели роста размеров коррозионных дефектов нефте - и газопроводов с использованием искусственной нейронной сети (Artificial Neural Network, ANN) в качестве альтернативы существующему методу. Данная модель составлена на основе параметров дефекта, извлеченных из данных встроенного контроля (In-Line Inspection data, ILI) и количественно оцененных с помощью статистического анализа. Разработанная модель дает прогноз развития таких геометрических параметров коррозионного дефекта как глубина и протяженность, таким образом становится возможным прогнозирование скорости роста дефекта. Результаты настоящего исследования помогут спрогнозировать надежность конструкции трубопровода с точки зрения вероятности выхода из строя или оценки срока службы.

Ключевые фразы: искусственная нейронная сеть, прогнозирование роста коррозии, данные встроенного контроля (ili), статистический анализ, моделирование неопределенностей
Автор (ы): РУМАНОВСКИЙ ИГОРЬ ГЕННАДЬЕВИЧ, НИКИТИН Н. А., ДУШКИНА А. А.
Журнал: ВЕСТНИК ТИХООКЕАНСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА

Предпросмотр статьи

Идентификаторы и классификаторы

УДК
004.94. Компьютерное моделирование
620.194.22. Коррозия под напряжением (коррозионное растрескивание под напряжением)
Для цитирования:
РУМАНОВСКИЙ И. Г., НИКИТИН Н. А., ДУШКИНА А. А. ПРИМЕНЕНИЕ ТЕХНОЛОГИИ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ КОРРОЗИИ ТРУБОПРОВОДОВ // ВЕСТНИК ТИХООКЕАНСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА. 2024. № 1 (72)
Текстовый фрагмент статьи