Применение машинного обучения в диагностической модели системы мониторинга технологических трубопроводов

Д. М. Ляпичев, Д. И. Андреев, М. М. Адмакин // Труды Российского государственного университета нефти и газа имени И.М. Губкина. – 2025. – № 1(318). – С. 140-151. – EDN IMPQFP.

Аннотация

В статье приводится оценка применимости сезонной интегрированной модели авторегрессии - скользящего среднего и регрессионной модели градиентного бустинга для предсказания усилия на опоре коллектора технологических трубопроводов установки подготовки газа к транспорту, увеличение и уменьшение которого обусловлено линейным расширением металла трубопроводов в результате циклов подогрева до 260-300 °С и охлаждения до температуры окружающего воздуха подготавливаемого природного газа. В качестве основных признаков (переменных) для предсказания были использованы значения временного ряда усилий на опоре, предшествующие предсказываемому значению. В качестве дополнительного признака для предсказания в регрессионную модель градиентного бустинга были переданы измерения температуры поверхности технологических трубопроводов. Полученные результаты показали, что регрессионная модель градиентного бустинга значительно превосходит сезонную интегрированную модель авторегрессии - скользящего среднего и дает удовлетворительную точность предсказания для практического применения. При этом модель градиентного бустинга, которой передавались дополнительные температурные признаки, имела среднюю абсолютную ошибку на 31 % меньше, чем без температурных признаков.