پیش بینی نشت گاز طبیعی با استفاده از تکنیک های داده کاوی، مطالعه موردی: شرکت گاز استان اصفهان

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 451

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COPSS01_046

تاریخ نمایه سازی: 19 اسفند 1399

چکیده مقاله:

حدود نیم قرن است که در شبکه های گازرسانی، لوله های پلی اتیلن به دلیل مزایایی از جمله عدم خوردگی، سهولت اجرا و کاهش هزینه های بهره برداری جایگزین لوله های فلزی شده اند. در این مطالعه با مراجعه به شرکت گاز استان اصفهان و جمع آوری داده های موثر در نشت این جنس از لوله ها، به پیش بینی درجه ی نشت پرداخته می شود. ابتدا برای پیش بینی از مدل کلاسیک رگرسیون لجستیک استفاده شد. از آنجایی در داده های نشتعلاوه بر الگوهای خطی، الگوهای غیرخطی نیز وجود دارد، از مدل های غیرخطی شامل دو مدل شبکه عصبی مصنوعی یعنی شبکه عصبی پرسپترون چند لایه ( MLP ) و شبکه پایه شعاعی ( RBF ) و همچنین ماشین بردار پشتیبان ( SVM ) به منظور بهبود دقت، استفاده گردید. برای هر یک از این مدل ها معماری های مختلفی در نظر گرفته شد تا بهترین ساختار هر مدل شناسایی شود. در نهایت نتیجه گرفته شد که بهترین مدل ( MLP 00 و / 00 ، حساسیت % 11 / ) با دقت % 08 MSE 8/111 درجه ی نشت را پیش بینی می نماید.

کلیدواژه ها:

نشت ، لوله ی پلی اتیلن ، طبقه بندی ، رگرسیون لجستیک ، شبکه ی عصبی مصنوعی ، ماشین بردار پشتیبان

نویسندگان

صبا تمیزی

دانشجو، دانشکده ی مهندسی صنایع و برنامه ریزی سیستم ها دانشگاه صنعتی اصفهان؛

مهدی بیجاری

استاد، دانشکده ی مهندسی صنایع و برنامه ریزی سیستم ها دانشگاه صنعتی اصفهان؛

مهدی خاشعی

استادیار، دانشکده ی مهندسی صنایع و برنامه ریزی سیستم ها دانشگاه صنعتی اصفهان؛

پژمان روحی

؛ HSE، شرکت گاز استان اصفهان

میثم رسولی

بازرسی فنی، شرکت گاز استان اصفهان؛