«Автоматизация и информатизация ТЭК»

Функциональные возможности генеративных моделей и оценка их применимости в задачах интеллектуальной поддержки принятия решений для объектов Единой системы газоснабжения

УДК: 004.048
DOI: -

Авторы:

¹ РГУ нефти и газа (НИУ) имени И.М. Губкина, Москва, Россия

Ключевые слова: генеративные сети, машинное обучение, искусственный интеллект, интеграция, автоматизация

Аннотация:

В статье рассматриваются генеративные сети с точки зрения их использования в качестве универсального инструмента автоматизации. Генеративные модели способны синтезировать данные, имитирующие статистические характеристики исходного набора данных, что делает их мощным инструментом для работы с любыми типами данных. Обсуждаются перспективы применения генеративных сетей в задачах поддержки принятия решений для объектов Единой системы газоснабжения и основные архитектурные решения, обеспечивающие их интеграцию. Рассматривается практическое применение генеративных сетей в автоматизированной настройке процессов межсистемной интеграции систем расчета остаточного ресурса оборудования и планирования ресурсов. Корректное использование данного инструмента может привести к значительному улучшению процессов взаимодействия между системами, что важно для дальнейшего развития автоматизации и интеграции в высокотехнологичных отраслях.

Список литературы:

1. Малышев И.О. Обзор современных генеративных нейросетей: отечественная и зарубежная практика // Междунар. журн. гуманитарных и естественных наук. – 2024. – № 1-2(88). – С. 168–171. – DOI: 10.24412/2500-1000-2024-1-2-168-171
2. Айрапетов А.Э., Коваленко А.А. Виды генеративно-состязательных сетей // Достижения науки и образования. – 2019. – № 4(45). – С. 7–13.
3. Фостер Д. Генеративное глубокое обучение. Творческий потенциал нейронных сетей. – СПб.: Питер, 2021. – 352 с.
4. Сарданашвили С.А., Швечков В.А. Применение технологий искусственного интеллекта в разработке инновационной отечественной системы поддержки принятия диспетчерских решений в области моделирования, планирования и управления межрегиональными потоками газа в ЕСГ // Автоматизация, телемеханизация и связь в нефтяной пром-сти. – 2019. – № 8(553). – С. 31–37. – DOI: 10.33285/0132-2222-2019-8(553)-31-37
5. Исследование целесообразности нейросетевого моделирования режимов работы компрессорных станций / А.В. Олейников, А.С. Казак, А.В. Белинский [и др.] // Автоматизация и информатизация ТЭК. – 2024. – № 2(607). – С. 10–19.
6. Арифуллин А., Маркин В. Перспективы применения генеративного искусственного интеллекта в нефтегазовой отрасли // Энергетическая политика. – 2024. – № 5(196). – С. 50–59. – DOI: 10.46920/2409-5516_2024_5196_50
7. Леонов Д.Г., Папилина Т.М., Степанкина О.А. Развитие архитектуры расчетно-интеграционной платформы построения цифровых двойников и интеллектуальных средств поддержки принятия решений для объектов ЕСГ // Автоматизация и информатизация ТЭК. – 2023. – № 9(602). – С. 6–14. – DOI: 10.33285/2782-604X-2023-9(602)-6-14
8. Морозова О.А. Интеграция корпоративных информационных систем: учеб. пособие. – М.: Финансовый ун-т, 2014. – 140 с.
9. Абраменкова К.Н., Леонов Д.Г. Методология планирования ресурсов предприятия на основе прогнозирования функционального отказа оборудования // Информ. технологии в моделировании и управлении: подходы, методы, решения: материалы VI Всерос. науч. конф. с междунар. участием, Тольятти, 18–20 апр. 2023 г. – Тольятти: Тольяттинский гос. ун-т, 2023. – С. 144–149.
10. Леонов Д.Г., Телегова К.Н. Применение машинного обучения в задачах автоматизации подготовки данных в процессе реализации системной интеграции // Автоматизация и информатизация ТЭК. – 2024. – № 10(615). – С. 24–30.