NobleBlocks

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

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read 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.

Discussion

More

Suggest a correction or report