Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Год издания: 2025
Ключевые слова: predictive analytics, hydraulic model, oil and gas industry, dispatching, предиктивная аналитика, lstm, gru, гидравлическая модель, нефтегазовая отрасль, диспетчеризация
Аннотация: В работе рассматривается применение методов анализа временных рядов на основе рекуррентных нейронных сетей LSTM/GRU для прогнозирования отказов насосных агрегатов нефтегазовой инфраструктуры. Особое внимание уделяется использованию гибридной модели, объединяющей физическое описание гидравлических процессов и нейросетевой прогноз, чПоказать полностьюто позволяет учитывать реальные условия эксплуатации оборудования. Анализируются особенности промышленной телеметрии и приводится обоснование применимости предложенного подхода в условиях диспетчерского контроля. Описывается архитектура внедрения методов прогнозирования в производственный контур управления. This paper examines the application of time-series analysis methods based on recurrent neural networks (LSTM/GRU) for failure prediction of pump units in oil and gas infrastructure. Special attention is given to a hybrid model that combines a physical description of hydraulic processes with a neural-network forecast, enabling the consideration of real operating conditions of the equipment. The study analyzes the characteristics of industrial telemetry and provides a rationale for the applicability of the proposed approach in dispatch control environments. The architecture of integrating predictive methods into the operational control loop is also described.
Журнал: Робототехника и искусственный интеллект
Номера страниц: 247-253
Место издания: Красноярск