ivdon3@bk.ru
В статье изложены основные принципы применения технологий искусственного интеллекта (ИИ) и машинного обучения на нефтеперерабатывающих заводах. Рассмотрены преимущественные характеристики языка программирования Python при организации сбора данных с технологических установок, обработке больших данных, построении и валидации моделей прогнозирования. Проанализированы основные библиотеки Python по работе с данными на всех этапах жизненного цикла моделей машинного обучения (Pandas, Matplotlib, Scikit-learn и другие). Особое внимание уделено задаче оптимизации энергопотребления и повышения эффективности работы нефтеперерабатывающих предприятий за счет автоматизации прогнозирования работы их оборудования.
Ключевые слова: машинное обучение, искусственный интеллект (ИИ), интеллектуальный анализ данных, Python, Scikit-learn, прогнозирование, энергопотребление, нефтепереработка, нефтегазовая отрасль, нефтеперерабатывающий завод
2.3.1 - Системный анализ, управление и обработка информации , 2.8.4 - Разработка и эксплуатация нефтяных и газовых месторождений
В проектировании и производстве в последнее время интерес к решению задач взаимодействия конструкции и потоков постоянно увеличивается. MSC.Dytran имеет возможности расчета взаимодействия конструкций и потоков. В статье описаны алгоритмы взаимодействия конструкций и потоков, реализованные в MSC.Dytran. Выполнены расчеты геодезических одноконтурных куполов на взрывное воздействие.
Ключевые слова: визуализация, вычислительная модель, геодезический купол, численное моделирование, взрывное нагружение, давление, напряжение.
05.13.18 - Математическое моделирование, численные методы и комплексы программ ,