Research indexJournal article
Прогнозирование давления на выходе и расхода жидкости кустовой насосной станции сбора нефти и газа на основе нейронной сети
Хаоюань
Electronic Library of Peter the Great Polytechnic University21 Aug 2026Open access
NobleIDark:/48914/w1/20261105/A662BF80DOI10.18720/spbpu/3/2026/vr/vr26-5788
Прогнозирование давления на выходе и расхода жидкости кустовой насосной станции сбора нефти и газа на основе нейронной сети
Хаоюань · Electronic Library of Peter the Great Polytechnic University · 2026
NobleIDark:/48914/w1/20261105/A662BF80DOI10.18720/spbpu/3/2026/vr/vr26-5788
Free to read at the publisher
You can read the abstract here, or the full text at the publisher.
Abstract
Цель - разработка и сравнительный анализ нейросетевых моделей. Разработана виртуальная модель жидкостной системы и сгенерирован синтетический набор данных (50 000 шагов). Созданы три архитектуры: PureMLP, PureLSTM и гибридная LSTM-MLP. Обучение и оценка проводились по метрикам MAE, RMSE, R². Результаты: PureLSTM показала наивысшую точность (R² = 0,970147). PureMLP -- рекордную скорость обучения (53,53 с) при высокой точности (R² = 0,968959). Гибридная модель -- несколько ниже (R² = 0,967253) из‑за простоты данных. Область применения -- промышленные гидравлические системы для управления, предотвращения аварий и планирования обслуживания. Выводы подтверждают эффективность нейросетевых подходов и дают рекомендации по выбору архитектуры.