空間および時間ニューラルネットワークモデルを用いたガス漏れ検出【JST・京大機械翻訳】

Kopbayev Alibek; Khan Faisal; Khan Faisal; Yang Ming; Halim Syeda Zohra

文献

J-GLOBAL ID：202202256218462798 整理番号：22A1050355

空間および時間ニューラルネットワークモデルを用いたガス漏れ検出【JST・京大機械翻訳】

Gas leakage detection using spatial and temporal neural network model

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1050355&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1050355&from=J-GLOBAL&jstjournalNo=W0232A") }}

著者 (5件)： , , , ,
資料名：
巻： 160 ページ： 968-975 発行年： 2022年
JST資料番号： W0232A ISSN： 0957-5820 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

天然ガス漏洩は施設とその周辺コミュニティに重大な危険を課す。そのような漏れの早期検出と診断のための方法が開発され,ガスパイプラインと貯蔵タンクに広く使用されている。ほとんどの技術はセンサ支援数学モデルの検査を含む。ガス漏れ検出への機械学習技術の応用はめったに調査されていない。本研究では,畳込みネットワーク(漏洩のモデル空間尤度)を双方向長短期メモリ層ネットワークまたはBiLSTM(漏れ尤度の時間依存性をモデル化する)と組合せ,漏れ検出と診断を行った。開発したモデルを訓練し,オープンソース模擬データを用いて生成する濃度プロファイルの配列を用いて試験した。モデルはガス漏れを予測し,そのサイズを分類することに成功した。本研究はまた,このネットワークの柔軟性を調べ,限られたデータで迅速な検出と診断を行う。ネットワークは高い予測精度を達成するためにパラメータ調整を必要としないが,さらに最適化はデータ選択と前処理を通して可能である。モデルは広範囲の漏れシナリオについてさらに試験する必要がある。その現状では,畳み込みネットワークとBiLSTMの組み合わせ適用は,天然ガス施設における早期と正確な漏れ検出に対して有望な結果を示す。モデルおよびデータの不確実性の有効性を確認するために,実験結果が必要である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

パイプライン輸送 , 安全管理

前のページに戻る