Тип публикации: статья из журнала
Год издания: 2026
Ключевые слова: field pipelines, leak detection, depressurization localization, artificial intelligence, hybrid neural networks, graph neural networks (GNN), lstm, промысловые трубопроводы, обнаружение утечек, локализация разгерметизации, искусственный интеллект, гибридные нейронные сети, графовые нейросети (GNN)
Аннотация: В статье рассмотрено применение машинного обучения (CNN, LSTM, GNN, XGBoost) и мультимодального анализа данных для обнаружения и локализации утечек на промысловых трубопроводах. Показано снижение ложных срабатываний на 60-70 % и точность локализации порыва до 10-50 м. The article discusses the use of machine learning (CNN, LSTM, GNПоказать полностьюN, XGBoost) and multimodal data analysis to detect and locate leaks in field pipelines. A decrease in false alarms by 60-70 % and an accuracy of gust localization up to 10-50 m are shown.
Журнал: Безопасность. Управление. Искусственный интеллект
Выпуск журнала: Т. 6, № S6
Номера страниц: 14-17
ISSN журнала: 2782585X
Место издания: Москва
Издатель: Научно-исследовательский центр искусственного интеллекта и анализа данных