УДК 681.3:004.
DOI: 10.36871/ek.up. p. r. 2024.11.15.019

Авторы

Мадина Сулеймановна Шахбазова,
ФГБОУ ВО «Чеченский государственный университет им. А. А. Кадырова», г. Грозный, Российская Федерация
Руслан Ильдарович Заитов,
ФГБОУ ВО «Казанский Государственный энергетический университет», г. Казань, Российская Федерация
Диана Тохтаровна Джатдоева,
Северо- Кавказская государственная академия, г. Черкесск, Российская Федерация

Аннотация

В статье рассматривается применение нейросетевых моделей для распознавания аномалий в данных хроматографического анализа природного газа. Хроматографический анализ является важным инструментом для контроля качества и мониторинга состава газовых смесей, однако традиционные методы обнаружения аномалий, такие как пороговые значения и метод главных компонент (PCA), часто не справляются с высокоразмерными и шумовыми данными. В работе представлены результаты применения различных архитектур нейронных сетей, включая автокодировщики, сверточные сети (CNN) и рекуррентные сети с механизмами LSTM, для анализа данных хроматографии. Особое внимание уделено интерпретации обнаруженных аномалий и их связи с процессами технологического оборудования. Результаты исследования подтверждают эффективность нейросетевых моделей в задачах автоматизации и повышения надежности хроматографического анализа природного газа.

Ключевые слова

нейросети, хроматографический анализ, обнаружение аномалий, природный газ, автокодировщики, LSTM, CNN, машинное обучение