Тип публикации: статья из журнала
Год издания: 2022
Идентификатор DOI: 10.23670/IRJ.2022.118.4.101
Ключевые слова: нейросеть, нейросетевое моделирование, машинное обучение, магистральный газопровод, балльно-факторный анализ, КРН, коррозия, стресс-коррозия
Аннотация: В данной статье описана методика моделирования распространения коррозионного растрескивания под напряжением на участках магистрального газопровода. В основе методики лежит предиктивная модель прогнозирования появления коррозионных дефектов на газопроводе. Представленный алгоритм создан с помощью принципов нейросетевого моделированиПоказать полностьюя. В основе модели лежит многослойный персептрон - классический инструмент для решения задач бинарной классификации. Дополнительно в работе рассмотрен один из существующих методов выявления коррозионных дефектов на трубопроводах - балльно-факторный анализ. В работе указываются недостатки этой методики и предлагается сравнить ее с нейросетевой моделью. Также приведено экономическое сравнение двух методик на примере некоторых участков магистрального газопровода. The current article describes a technique for modeling the propagation of stress corrosion cracking in sections of main gas pipelines. The methodology is based on a predictive model for predicting the appearance of corrosion defects on a gas pipeline. The presented algorithm was created using the principles of neural network modeling. The model is based on a multilayer perceptron, a standard tool for solving binary classification problems. Additionally, the paper examines one of the existing methods for detecting corrosion defects in pipelines, which is a point-factor analysis. The paper points out the disadvantages of this technique and suggests comparing it with a neural network model. The study also provides an economic comparison of the two methods based on some sections of a main gas pipeline.
Журнал: Международный научно-исследовательский журнал
Выпуск журнала: № 4-2
Номера страниц: 158-161
ISSN журнала: 23039868
Место издания: Екатеринбург
Издатель: Индивидуальный предприниматель Соколова Марина Владимировна