Впровадження машинного навчання для підвищення точності прогнозування режимів роботи глибоководних насосних станцій

Анотація

Це дослідження спрямоване на реалізацію алгоритмів машинного навчання, які здатні вдосконалити прогноз режимів роботи глибоководних насосних станцій, від яких отримують енергію офшорні операції. Класичні методи прогнозування часто не враховують складність підводного середовища, і тому вони, як правило, показують неоптимальну ефективність, вищі витрати на обслуговування і, звичайно, марнотратство ресурсів. У цьому дослідженні використовуються різні алгоритми машинного навчання, включаючи нейронні мережі, машини опорних векторів, випадкові ліси, градієнтне підсилення та лінійну регресію, щоб оцінити, як вони можуть уявити робочі обставини в умовах змін. Для навчання та валідації застосовуються набори даних про орендоване житло, які містять історичні операційні дані, фактори навколишнього середовища, а також параметри системи. Дані ілюструють розширені можливості систем штучного інтелекту, серед яких провідними кандидатами є нейронні мережі, випадкові ліси та градієнтне підсилення для демонстрації точних взаємозв'язків у вибірці. Моделі демонструють кращі результати, ніж традиційні методи, що дозволяє поглиблено оцінити схему взаємодії між змінними навколишнього середовища та режимами роботи. Ці ключові змінні, глибина, температура і характеристики насосів, є одними з тих, що були ретельно вивчені; отже, з'явилося розуміння того, що має бути враховано для ефективного прогнозування. Порівняльний аналіз дає змогу знайти компроміс між складністю моделі та інтероперабельністю, що свідчить про те, що алгоритм, обраний для застосування, має бути дуже добре продуманий. Ансамблеві моделі, які містять спектр різних моделей, кожна з яких має свої власні можливості, вважаються одним із збалансованих способів створення точних і корисних прогнозів. Розроблена модель глибоководних насосних станцій на основі машинного навчання (МН) є прикладом практичного застосування, що створює основу для підвищення операційної ефективності, зниження витрат на обслуговування та оптимізації використання ресурсів. Результати цього дослідження розкривають важливий аспект для інженерів, дослідників, а також фахівців промисловості, які займаються перспективами глибоководного видобутку ресурсів. Це передбачає трансформаційний підхід до вирішення проблем, що виникають у динамічному глибоководному середовищі. З розвитком у сфері МН відкриваються широкі можливості для майбутніх дослідницьких проектів з вивчення нових алгоритмів і методів роботи в реальному часі, які допоможуть ще більше поліпшити можливості прогнозування і, безумовно, приведуть до життєздатних морських операцій. Таким чином, можна сказати, що майбутнє стійких і надійних офшорних операцій певною мірою пов'язане з відмиванням грошей.