基于随机森林与时态卷积网络的石油工业实时事件检测以实现更可持续生产
人工智能
2023-10-16 v1
摘要
石油工业对现代社会至关重要，但生产过程复杂且充满风险。在生产期间，由非期望生产事件引发的事故或故障可能造成严重的环境与经济损害。以往研究已探讨用于非期望事件检测的机器学习（ML）方法。然而，实时事件概率预测未得到充分解决，而这一点至关重要，因为在预期事件发生时进行早期干预十分重要。本文提出两种 ML 方法，即随机森林与时态卷积网络，用于实时检测非期望事件。结果表明，我们的方法能有效分类事件类型并预测其出现概率，解决了以往研究揭示的挑战，并为生产期间的故障事件管理提供了更有效的方案。
引用
@article{arxiv.2310.08737,
title = {Real-Time Event Detection with Random Forests and Temporal Convolutional Networks for More Sustainable Petroleum Industry},
author = {Yuanwei Qu and Baifan Zhou and Arild Waaler and David Cameron},
journal= {arXiv preprint arXiv:2310.08737},
year = {2023}
}
备注
Paper accepted at PRICAI 2023 AI-Impact Track