Кузнецова А.С., Купцов А.И., Гимранов Ф.М. «Использование нейросетевой модели для прогнозирования последствий аварийного истечения газов в режиме реального времени». — «Вестник технологического университета», №10. — 2019, с. 123-126

Особую опасность представляют объекты, на которых обращаются взрывоопасные газы. Опасность таких объектов связана с возможной разгерметизацией и последующим выбросом газа. В следствие чего, может происходить образование взрывоопасных и/или токсичных газовоздушных облаков, способных перемещаться под действием ветра на значительные расстояния. Наиболее опасными являются «тяжелые газы», плотность которых более 0,8 по отношению к плотности воздуха. Они прижимаются к поверхности земли и медленно рассеиваются в атмосфере, поэтому появляется большая вероятность воспламенения.

В работе [1] численная модель верифицирована на экспериментальных исследованиях на острове Торни. Проведенная верификация позволила использовать численную модель для моделирования разрушения газгольдера с пропан-бутановой смесью с учетом промышленной застройки. В первом приближении застройка состояла в виде препятствия кубической формы. При этом расчетная область (размер 150м*100м*40м) разбивалась на 313722 ячейки. В процессе моделирования газгольдер мгновенно освобождался (разрушался). Застройка (кубическое препятствие) располагалась на расстоянии 50 м по направлению ветра от места выброса. Расчетные концентрации газа вычислялись на различных высотах в 27-ми точках: на передней, задней, верхней и боковых поверхностях здания, а также на расстоянии 5-ти метров от каждой из соответствующих сторон. Нестационарный расчет проводился при различных стратификациях атмосферы, и под влиянием различных скоростей ветра (1 м/с, 2,5 м/с и 5 м/с).

Целью данной работы являлась разработка архитектуры искусственной нейронной сети (ИНС) и ее верификация на базе полученных данных работы [1] для последующего использования возможности модели ИНС в практической деятельности. Проведено сравнение концентраций на 35 секунде выброса пропан-бутановой смеси при разрушении резервуара, полученных в результате численного моделирования [1], с данными, полученными с помощью ИНС.

В ходе исследований подобрана архитектура нейронной сети наиболее точная по сравнению с другими рассматриваемыми. Ее параметры: два скрытых слоя с 15 и 9 нейронами соответственно, параметр сигмоиды равен 1, параметр скорости обучения равен 0,1. Вычисления по подобранной модели нейронной сети не превышают пяти минут, в отличие от численного моделирования, где исследования могут вестись до несколько суток.

Показана возможность и эффективность использования нейросетевых моделей, обученных на данных численного моделирования выброса «тяжелого газа». Подобные исследования можно проводить на различных расстояниях, с учетом различных параметров, таких как, например: устойчивость атмосферы, ветер, геометрические размеры застройки, шероховатость и продолжительность выброса.

Получение результаты с небольшим отклонением возможно использовать для оценки в режиме реального времени диспетчерскими службами промышленных предприятий или органов МЧС при решении различных промышленных задач. 

1. Ортина М.Н., Купцов А.И., Гимранов Ф.М. «Математическое моделирование рассеивание облаков тяжелых газов в условиях промышленной застройки:
влияние метеоусловий».
— «Вестник технологического университета», №10 — 2017, с. 115-118