Самообучающийся искусственный интеллект сможет регулярно осуществлять мониторинг опасных нефтяных объектов на российской территории Арктики. Метод разработали ученые из Сибирского федерального университета (СФУ), сообщает Министерство науки и высшего образования РФ.

В мае 2020 года в Норильске в результате аварии на ТЭЦ случился разлив более 20 тыс. тонн дизельного топлива. Одна из крупнейших утечек нефтепродуктов в арктической зоне поставила под угрозу природу Крайнего Севера и здоровье людей. Между тем число промышленных объектов по добыче, переработке и хранению нефтепродуктов в арктической зоне растет. Но их удаленность, а также погодные условия осложняют мониторинг состояния топливных резервуаров.

По словам доцента кафедры экспериментальной физики и инновационных технологий Института инженерной физики и радиоэлектроники СФУ Александра Москалёва, большинство существующих методик для оценки площади разлива нефтепродуктов в результате аварий построены на аналитических моделях и не учитывают физику процессов.

«Мы решили для моделирования аварийного разлива нефтепродуктов на потенциально опасном объекте, расположенном в арктическом регионе Красноярского края, применить нейронные сети. Для программной реализации выбрали имитатор нейронной сети NeuroРго, разработанный в Институте вычислительного моделирования Красноярского научного центра Сибирского отделения РАН», ― рассказал Александр Москалёв.

Обучалась нейросеть на ежедневных данных по 14 параметрам, влияющим на скорость распространения аварии. При этом искусственный интеллект выдал сценарий аварийного разлития нефти в 2020 году, который с высокой точностью соотносится с реальной ситуацией.