بهترین الگو بازرسی و پایش وضعیت خطوط لوله مدفون با استفاده از هوش مصنوعی

به‌منظور بررسی عملکرد روش‌های کنترل خوردگی و افزایش عمر مفید بهره‌برداری از خطوط لوله انتقال گاز از روش‌های پایش خوردگی استفاده می‌شود. حجم داده‌های به‌دست آمده زیاد بوده و تحلیل آن‌ها به‌منظور تشخیص عیوب و اخذ تصمیم به‌منظور انجام اقدامات اصلاحی زمانبر بوده و احتمال تصمیم‌گیری نادرست بسیار بالا است. به این منظور استفاده از هوش مصنوعی زمینه را برای پایش هدفمند وضعیت خطوط لوله فراهم خواهد نمود. در پژوهش حاضر، اطلاعات به‌دست آمده از روش‌های بازرسی تمیز شده و با استفاده از نرم‌افزار مربوطه و به کمک متخصصان خوردگی، برای هر متر خط لوله تصمیم‌ اخذ شده و به عنوان مهم‌ترین ورودی به‌منظور آموزش مدل هوش مصنوعی بکار گرفته شد. از چهار مدل مختلف، مدل رگرسیون لجستیک، مدل درخت تصمیم، xgboost و تنسورفلو برای آموزش مدل هوش مصنوعی استفاده شده که با توجه به دقت بالای مدل 'درخت تصمیم' در حدود 99 درصد در ادامه این مدل مبنای آموزش مدل هوش مصنوعی قرار گرفت. در مرحله بعدی، درصد داده‌های تست تغییر داده شد که در نهایت 20 درصد داده تست و 80 درصد داده آموزش به‌عنوان حالت بهینه انتخاب شد.