مقاله کنفرانسی سال ۱۴۰۴ انگلیسی

Leak Detection and Localization in Oil Pipelines Using a Hybrid CNN–LSTM Deep Learning Model

Leak Detection and Localization in Oil Pipelines Using a Hybrid CNN–LSTM Deep Learning Model

چکیده مقاله

Leak detection and localization in oil pipelines are essential for maintaining operational safety and preventing environmental and economic losses in the oil and gas industry In this study, a hybrid deep learning model based on convolutional neural networks CNN and long short term memory LSTM networks is proposed for accurate leak detection and localization The Khisht to Nargesi oil pipeline, located in southern Iran, with a length of 12 8 km and a diameter of 12 inches, is simulated using OLGA software to generate realistic operational data Pressure and flow rate signals are collected from pipeline sensors under both leak and no leak conditions and used directly as time series inputs to the model Using a CNN eliminates manual feature extraction, as the network automatically learns relevant features from raw time series data, while the LSTM component captures temporal dependencies The proposed model performs binary classification of leak and no leak conditions and localizes the leak position along the pipeline with a spatial resolution of 1 km Simulation results show that the CNN–LSTM model achieves over 99% accuracy for both leak detection and leak localization, demonstrating its effectiveness for practical pipeline monitoring applications

کلیدواژه‌ها

Leak Detection Leak Localization Deep Learning Time-Series Data Classification Time Series Data

نویسندگان

تصویر Hossein Rabiyan Pour

Hossein Rabiyan Pour

Department of Instrumentation and Automation Petroleum University of Technology PUT Ahvaz, Iran

تصویر Mehdi Shahbazian

Mehdi Shahbazian

Department of Instrumentation and Automation Petroleum University of Technology PUT Ahvaz, Iran

تصویر Alireza Salehi

Alireza Salehi

Department of Basic Science Petroleum University of Technology PUT Ahvaz, Iran

شیوه ارجاع

Rabiyan Pour, Hossein and Shahbazian, Mehdi and Salehi, Alireza,1404,Leak Detection and Localization in Oil Pipelines Using a Hybrid CNN–LSTM Deep Learning Model,The 4th International Conference and the 9th National Conference on Computers, Information Technology and Artificial Intelligence Applications,Ahvaz

ارائه‌شده در

پوستر مجموعه مقالات پنجمین همایش ملی و نخستین همایش بین المللی محاسبات نرم علوم مهندسی در صنعت و جامعه مجموعه مقالات پنجمین همایش ملی و نخستین همایش بین المللی محاسبات نرم علوم مهندسی در صنعت و جامعه26 بهمن 1404 · ایرانشهر
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۲۲۰ مشاهده

تحول دیجیتال ایران در عصر هوش مصنوعی: بررسی چالش های ساختاری و ارائه راهبردهای حکمرانی

این مقاله به تحلیل جامع تحول دیجیتال ایران با تاکید ویژه بر نقش هوش مصنوعی در توسعه ملی می پردازد با اتک…

تحول دیجیتالایرانهوش مصنوعی
مقاله کنفرانسی سال ۱۴۰۴ ۱۹۴ مشاهده

تخمین جهت ورود منبع صوتی با استفاده از ویژگی های کوواریانسی چندفرکانسی و یادگیری نظارت شده

تخمین زاویه ورود منبع صوتی، یکی از مباحث کلیدی در پردازش سیگنال های دریافتی از آرایه های میکروفنی است که…

ماتریس کوواریانستخمین جهت ورودآرایه میکروفونی
مقاله کنفرانسی سال ۱۴۰۴ ۱۸۵ مشاهده

AI-driven IMS-at-the-Edge using Docker Swarm: Optimizing Signaling, Traffic Management, and Fault Prediction

The IP Multimedia Subsystem IMS serves as the core architecture for real time multimedia services in 5G…

CNFDocker SwarmVXLAN
مقاله کنفرانسی سال ۱۴۰۴ ۱۸۰ مشاهده

تحمل پذیری خطا در سیستم های توزیع شده با رویکردهای یادگیری ماشین: یک بررسی جامع و چندلایه

با گسترش روزافزون سیستم های توزیع شده و افزایش حجم داده ها، روش های سنتی تحمل پذیری خطا که عمدتا بر افزو…

تحمل پذیری خطایادگیری فدرالیادگیری عمیق
مقاله کنفرانسی سال ۱۴۰۴ ۱۷۶ مشاهده

بررسی نقش هوش مصنوعی بر مدیریت سازمانی

پژوهش حاضر با هدف بررسی تاثیر هوش مصنوعی بر مدیریت سازمانی در سازمان های دولتی استان سیستان و بلوچستان ا…

هوش مصنوعیمدیریت سازمانیسازمان های دولتی
مقاله کنفرانسی سال ۱۴۰۴ ۱۷۳ مشاهده

مرور نظام مند و تحلیل مقایسه ای الگوریتم های قیمت گذاری پویای مبتنی بر هوش مصنوعی در تجارت الکترونیک: تمرکز بر عملکرد و چالش های پیاده سازی

این پژوهش به روش مرور سیستماتیک و تحلیل مقایسه ای انجام شده است هدف اصلی تحقیق بررسی الگوریتم های قیمت گ…

قیمت گذاری پویاهوش مصنوعیتجارت الکترونیک