Neft-qaz sənayesində mədən avadanlıqlarında qəzaların proqnozlaşdırılması üçün hibrid dərin neyron şəbəkə arxitekturları və müvafiq təlim alqoritmləri işlənilib.

Bu mühüm elmi nəticə ilə bağlı institutun əməkdaşı, texnika üzrə fəlsəfə doktoru, dosent Fərqanə Abdullayeva onlayn Elmi seminarda məlumat verib.

O, bildirib ki, tədqiqat işində neft mədən avadanlığında (dərinlik dalma nasoslarında) nasazlıqların diaqnostikası üçün dərin hibrid neyron şəbəkə modeli təklif edilib. Belə nasosların quraşdırılması və texniki təmir üçün çıxarılması çox bahalı əməliyyatlardır. Dərinlik dalma nasosları dəniz şəraitində işlədikdə onların işinin real zamanda monitorinqi olduqca çətinləşir. Bu nasoslarda nasazlıqların vaxtında aşkarlanıb aradan qaldırılması neft-qaz sənayesində istismar və texniki xidmət xərclərini əhəmiyyətli dərəcədə azalda bilər.

Dərinlik dalma nasoslarının vəziyyətini diaqnostika etmək üçün onun işi zamanı ölçülmüş vibrasiya siqnallarının analizi üsulundan istifadə edildiyini deyən tədqiqatçı, bu siqnallarda avadanlığın hər bir komponentinə aid məlumatların olduğunu söyləyib.     

Məruzəçinin sözlərinə görə, nasazlıqların diaqnostikası üçün mövcud yanaşmalarda klassik ehtimal nəzəriyyəsi tətbiq edilir və həmin siqnalların üzərinə stasionarlıq şərtləri qoyulur. Real istismar verilənlərində bu şərtlər həmişə ödənməyə bilər. Dərin təlim modellərində isə həmin siqnalların üzərinə hər hansı şərt qoyulmur. Burada neyron şəbəkə nasazlığı aşkarlamaq üçün oflayn rejimdə verilənlər üzərində öyrənərək müəyyən bir model yaradır, daha sonra yeni daxil olan verilənlərə əsasən nasazlığın tipini model özü onlayn rejimdə təyin edə bilir.   

Təklif edilən model dərin neyron şəbəkələrinin (deep neural network, DNN) və konvolyusiya neyron şəbəkələrinin (convolutional neural network, CNN) əlamətlərini özündə ehtiva edir. İşdə vibrasiya siqnalının qısamüddətli Furye çevrilməsindən alınmış spektroqramı və kəsilməz veyvlet çevrilməsindən alınmış skaloqramı dərin hibrid modelin giriş verilənləri hesab olunur. Eksperimentlərdə alınmış nəticələr təklif edilmiş üsulun neft avadanlığındakı imtinaların diaqnostikası üçün tətbiqinin yararlılığnı təsdiq etmişdir.

Aparılmış tədqiqatlarda vibrasiya siqnallarının analizi ilə yanaşı, müxtəlif texniki avadanlıqlarda çoxsaylı sensorlardan əldə edilmiş zaman sırası verilənlərinin analizi əsasında neft avadanlığında nasazlıqların proqnozlaşdırılması üçün də dərin təlim üsulu təklif edilmişdir. Dərin təlim üsulunun əsasını CNN və Uzun-Qısamüddətli Yaddaş steki (stacked long short-term memory, LSTM) rekurent neyron şəbəkəsi təşkil edir. Qurulmuş dərin təlim üsullarında 10 gizli lay və hər bir layda 250 neyron istifadə edilib.  Avadanlıq normal vəziyyətdə işlədikdə bəzi sensorlardan toplanan zaman sırası verilənləri üçün yuxarı və aşağı sərhəd qiymətləri təyin edilib. Dərin təlim metodlarının tətbiqi ilə proqnozlaşdırıldıqda, zaman sırası əyrisi bu sərhəd qiymətlərindən kənara çıxdıqda proqnozlaşdırmanın nəticəsi nasazlıq kimi qiymətləndirilib.

Dərin təlim alqoritmləri üçün optimallaşdırma alqoritmlərinin seçilməsi nəticələrin optimal və dəqiq olmasında mühüm rol oynayır. İşdə metodların müxtəlif optimallaşdırma alqoritmləri (Adam, Adamax, Nadam, Adadelta, Adagrad, RMSprop) əsasında qiymətləndirilməsi aparılıb. Zaman sıralarının proqnozlaşdırılmasında mürəkkəb məsələlərdən biri də çoxaddımlı proqnozlaşdırmanın həyata keçirilməsidir. Təklif edilmiş metodlar zaman sıralarının 1 və 48 gün aralığında çoxaddımlı proqnozlaşdırması məsələsinə də tətbiq edilib. Proqnozlaşdırma prosesində təklif edilmiş dərin LSTM steki və CNN modelləri mövcud üsullarla müqayisədə daha üstün nəticələr verib.

Qeyd olunan mühüm emi tədqiqatların nəticələri nüfuzlu “Web of Science” elmi bazasına daxil olan jurnallarda çap olunub. Belə ki, AMEA-nın müxbir üzvü, texnika elmləri doktoru Ramiz Alıquliyev, texnika üzrə fəlsəfə doktoru, dosent, Yadigar İmamverdiyev, texnika üzrə fəlsəfə doktoru, dosent Lyudmila Suxostatın həmmüəllifi olduqları “Intelligent diagnosis of petroleum equipment faults using a deep hybrid model” adlı məqalə tanınmış “SN Applied Sciences” jurnalında dərc edilib.

Texnika üzrə fəlsəfə doktoru, dosent Yadigar İmamverdiyev, texnika üzrə fəlsəfə doktoru, dosent Fərqanə Abdullayevanın həmmüəllifi olduqları “Condition monitoring of equipment in oil wells using deep learning” adlı məqalə “Science and Adaptive Analysis” jurnalında çap olunub.

Növbəti, AMEA-nın vitse-prezidenti, akademik Rasim Əliquliyev, AMEA-nın müxbir üzvü Ramiz Alıquliyev və dosent Fərqanə Abdullayevanın həmmüəllifi olduqları “Multidisciplinary study of the problems of big data technologies in the oil and gas industry” adlı məqalə isə “International Journal of Oil, Gas and Coal Technology” jurnalında işıq üzü görüb.

© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.ict.az saytına istinad zəruridir.