سیستم پشتیبان تصمیم گیری هوشمند با به کارگیری الگوریتم رگرسیون خطی ترکیبی در تولید نفت و گاز

سیستم های پشتیبان تصمیم گیری هوشمند با استفاده از تحلیل داده های تجهیزات نفت و گاز، توانایی پیش بینی خرابی ها، بهینه سازی منابع و کاهش زمان توقف تجهیزات را دارند. بااین حال، الگوریتم های رگرسیون خطی مرسوم در مواجهه با حجم بالای داده ها و پیچیدگی های عملیاتی، با مشکلاتی همچون کاهش دقت و افزایش هزینه محاسباتی روبرو هستند. در این پژوهش، یک مدل ترکیبی رگرسیون خطی بهبود یافته ارائه شده است که با بهره گیری از روش های یادگیری ماشین، دقت پیش بینی را افزایش داده و موجب کاهش ناپایداری تولید می شود. مدل پیشنهادی روی مجموعه داده ای شامل ۹۲۰۸ رکورد مربوط به تجهیزات نفت و گاز اعمال شده است. نتایج نشان داد که مدل ترکیبی دقت پیش بینی را تا ۱۷% افزایش داده و ناپایداری تولید را ۱۵% کاهش داده است. همچنین، مدل پیشنهادی توانایی پردازش سریع داده های حجیم را دارد و پیش بینی روندهای پایدار تولید را بهبود می بخشد. بر اساس این یافته ها، مدل ترکیبی ارائه شده می تواند تصمیم گیری های صنعتی را بهبود بخشیده و مدیریت منابع صنعت نفت و گاز را کارآمدتر کند.

کلیدواژه ها:

سیستم های پشتیبان تصمیم گیری ، پایداری در تولید نفت و گاز ، هوش مصنوعی در نفت ، تعمیر و نگهداری پیش بینی شده ، رگرسیون خطی ترکیبی