ПРОГНОЗИРОВАНИЕ СОСТАВА ШИРОКОЙ ФРАКЦИИ ЛЁГКИХ УГЛЕВОДОРОДОВ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ ПРИ ТРУБОПРОВОДНОЙ ТРАНСПОРТИРОВКЕ
С.Н. Терещенко, А.Л. Осипов, Е.Д. Моисеева
Новосибирский государственный университет экономики и управления, Новосибирск, Россия
sg12@ngs.ru
Ключевые слова: широкая фракция лёгких углеводородов, искусственный интеллект, машинное обучение, градиентный бустинг, CatBoost, линейная регрессия, трубопровод
Страницы: 104-110
Аннотация
Исследован подход применения методов машинного обучения для автоматического прогнозирования компонентного состава широкой фракции лёгких углеводородов при транспортировке по трубопроводу. На базе сети библиотек CatBoost разработана модель машинного обучения, позволяющая с процентом ошибки 2,263 по метрике MAPE определять компонентный состав смеси.
DOI: 10.15372/AUT20220111 |
