Разработка и тестирование прототипа программного обеспечения температурно-независимой системы обнаружения утечек на напорном нефтепроводе (ННП). (заключительный)

Целью данного этапа исследований разработка алгортима детектирования утечек, а также оценка на модельном эксперименте потенциальной применимость данной методики на практике для реализации программного механизма детектирования утечек на основе полученной методики анализа данных. Эта задача занимает центральное место в выполнении НИОКР, поскольку именно она несет основную информационную наполненность. От качества реализации модели, метода и алгоритма детектирования будет зависеть общая конкурентоспособность и эффективность разрабатываемого продукта в целом. Объектом исследовательской деятельности являются данные, полученные с оптоволоконных датчиков, установленных на напорном нефтепроводе (ННП), и возможность построения модели машинного обучения, способной смоделировать их поведение в рамках разнообразия внешних условий расположения трубопровода. Предметом исследования данной работы является оценка возможности детектирования утечек на напорном нефтепроводе в качестве аномалии, поскольку приемлемая модель машинного обучения для аппроксимации фоновых сигналов позволяет рассматривать отклонения от модели как наличие аномального поведения. В результате исследования была разработана нйросетевая модель представляющая собой рекуррсентный автоэнкодер с долговременной памятью с возможностью обнаружения редких событий, «аномалий», в том числе утечек на ННП. Предложенный алгоритм апостериорный этап оценки аномалии, на основе построенной нейросетевой модели классификатора. По модельным данным точность обнаружения утечек составила 96.6%, полнота 100%. Вероятность ложного срабатывания составила 0,38%. Предложен вариант реализации в виде сервисного приложения на фррейморке Flask, и прописаны варианты сценариев работы пользователя. В рамках работ по текущему этапу поставленные задачи были выполнены в полном объёме. Полученная оценка эффективности обнаружения в модельном эксперименте позволяет рекомендовать использованный подход для практического применения.