Учёные научат нейросеть оценивать риски аварий на предприятиях нефтяной отрасли в Арктике

Учёные СФУ предложили метод, позволяющий при помощи самообучающегося искусственного интеллекта проводить регулярный фоновый мониторинг потенциально опасных объектов нефтяной отрасли в Российской Арктике.

Высокая эффективность метода была доказана путём сопоставления сценария, предоставленного нейросетью, с реальными данными, полученными в ходе аварийной ситуации в Норильске в 2020 году.

Хозяйственная деятельность человека в Арктической зоне чревата различными катаклизмами, наносящими урон хрупкой северной экосистеме. Рост количества промышленных объектов по добыче, переработке и хранению нефтепродуктов подразумевает строительство стационарных топливных резервуаров, мониторить состояние которых достаточно сложно из-за удалённости и сложных погодных условий в Арктике. Чрезвычайная ситуация 2020 года, произошедшая на севере Красноярского края, продемонстрировала острую необходимость в постоянной оценке рисков возникновения аварий. Также, по мнению учёных СФУ, требуется выработать эффективные модели поведения при возникновении аварий на потенциально опасных объектах.

Показать цитирование
Учёный подчеркнул, что для обучения нейросети использовались ежедневные оперативные данные по четырнадцати основным векторам признаков, влияющих на скорость распространения аварии. При этом нейросетевое моделирование сценария, по которому произошло аварийное разлитие нефти в 2020 году при разгерметизации одного из топливных резервуаров, с высокой точностью соотносилось с данными реальной ситуации.

Исследование выполнено при поддержке Красноярского краевого фонда науки в рамках гранта КФ-779 «Разработка комплекса необходимых превентивных мероприятий для защиты населения и арктической территории Красноярского края от природных и техногенных чрезвычайных ситуаций на основе нейросетевой оценки возникновения».