Применение искусственного интеллекта для прогнозирования количества выбросов CO2 при потреблении разных видов энергии Текст научной статьи по специальности «Энергетика и рациональное природопользование»

УДК 504.06

ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРОГНОЗИРОВАНИЯ КОЛИЧЕСТВА ВЫБРОСОВ CO2 ПРИ ПОТРЕБЛЕНИИ РАЗНЫХ ВИДОВ ЭНЕРГИИ

Алена Сергеевна Квасова

Новосибирский национальный исследовательский государственный университет, 630090, Россия, г. Новосибирск, ул. Пирогова, 2, магистрант, тел. (383)363-43-33, e-mail: alena_kvasova@me.com

Загрязнение климата вследствие выбросов углекислого газа от использования различных видов энергии стало важной и серьезной проблемой, которая захватывает все стороны жизни страны: здравоохранение, климат, сельское хозяйство экономику и др. Так, доказано, что выбросы СО2 вызывают глобальное потепление, которое, в свою очередь, вызывает такие явления, как наводнения, экстремальные погодные условия, повышение температуры, тепловые волны, ураганы и т. д. Эти бедствия приводят к гибели людей и к миллиардам долларов убытков.

Ключевые слова: искусственный интеллект, нейронные сети, выбросы углекислого газа, потребление энергии, прогнозирование.

APPLICATION OF ARTIFICIAL INTELLIGENCE FOR THE PREDICTING OF CO2 EMISSIONS FROM ENERGY CONSUMPTION

Alena S. Kvasova

Novosibirsk National Research State University, 630090, Russia, Novosibirsk, 2 Pirogova St., undergraduate, tel. (383)363-43-33, e-mail: alena_kvasova@me.com

Climate pollution due to the carbon dioxide emission became an important and serious problem that affects the countries from the different aspects, health, climate, agriculture and economics. Emissions of carbon dioxide (CO2) from energy consumption are believed to cause the global warming Global warming is attracting attention from policy makers due to its impacts such as floods, extreme weather, increases in temperature, heat waves, storms, etc. These disasters result in loss of human life and billions of dollars in property.

Key words: artificial intelligence, neural networks, carbon dioxide emissions, energy consumption, forecasting.

Загрязнение климата вследствие выбросов углекислого газа от использования различных видов энергии стало важной и серьезной проблемой, которая захватывает все стороны жизни страны: здравоохранение, климат, сельское хозяйство экономику и др. Так, доказано, что выбросы СО2 вызывают глобальное потепление, которое, в свою очередь, вызывает такие явления, как наводнения, экстремальные погодные условия, повышение температуры, тепловые волны, ураганы и т. д. Эти бедствия приводят к гибели людей и к миллиардам долларов убытков. Нейронные сети позволяют обрабатывать огромное количество данных и находить сложные взаимосвязи для того, чтобы суметь наиболее точно прогнозировать количество выбросов СО2 в связи с потреблением различных видов энергии.

Искусственный интеллект получил свое развитие в 50-е годы прошлого века, и с тех пор огромное количество талантливых ученых из разных стран достигли больших успехов в создании интеллектуальных машин и в глубоком обучении. Результатом их работы стало создание таких систем, как нейронные сети, экспертные системы, нечеткая логика, системы естественного языка и других.

Применение таких систем в нефтяной и газовой промышленности имеет более чем 16-летнюю историю, с первой заявки от 1989 г. для каротажных интерпретаций - сверловая диагностика с использованием нейронных сетей и интеллектуального имитатора коллектора. ИИ стал использоваться в решении многих проблем в нефтяной и газовой промышленности, которая включает в себя распознавание образов, сейсмическую характеристику пласта, прогнозирование проницаемости и пористости, прогнозирование производительности нефтяной скважины, управление портфелем и общие операции принятия решений и др.

Целью данной работы является исследование особенностей применения искусственного интеллекта в нефтяной и газовой промышленности и, в частности, построение модели для прогнозирования выбросов углекислого газа (СО2) в зависимости от следующих факторов: потребления нефти и природного газа, потребления угля, потребления первичной энергии и еще несколько факторов (начиная с 1980 г.).

Потребление энергии в 1970-2015 в странах ОПЕК (Организации стран-экспортеров нефти) увеличилось на 690 %, в то время как выбросы СО2 увеличились на 445 % в результате сжигания ископаемого топлива в течение того же периода. Топ 4 загрязняющих стран/регионов, на которые приходится почти две трети (61 %) от общего объема глобальных выбросов С02 являются Китай (30 %), США (15 %), Европейский союз (ЕС-28) (10 %) и Индия (6,5 %).

Самым теплым годом в истории стал 2014 г. Включая 2014, 9 из 10 самых теплых лет за 135-летний период произошли в 21-м веке, т. е. в течение последних 14 лет. Вся эта статистика показывает, насколько важно предсказать и предотвратить большое количество выбросов, которые приводят к глобальному потеплению и другим социальным и экологическим проблемам.

Предлагаемая нейронная модель способна производить очень хорошие результаты оценки в обоих случаях обучения и тестирования с небольшим количеством отклонений. Эксперименты были повторены для различного количества скрытых нейронных слоев, начиная от 2 до 7. Искусственная нейронная сеть была обучена алгоритмом обратного распространения. Из результатов взаимосвязи между фактическими и прогнозируемой величиной, можно выявить, что ИНС производит высокие возможности прогнозирования выбросов С02. Предсказание СО2 имеет большое значение для адаптационной политики в области изменения климата, а также для предложения контрольной точки для использования альтернативных источников энергии с целью снижения выбросов углекислого газа.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Коржубаев А. Г., Эдер Л. В. Нефтедобывающая промышленность России // Бурение и нефть. - 2011. - № 4. - С. 3-8.

2. Природные ресурсы России: территориальная локализация, экономические оценки / Буданов В. И., Вальтух К. К., Дементьев Н. П. и др. ; отв. ред.: К. К. Вальтух, В. М. Соколов. - Новосибирск, 2007. - (Сер. Интеграционные проекты, Вып. 12).

3. Коржубаев А. Г., Филимонова И. В., Эдер Л. В. О концепции развития нефтегазового комплекса востока России // Минеральные ресурсы России. Экономика и управление. -2010. - № 1. - С. 30-38.

4. Коржубаев А. Г., Эдер Л. В., Проворная И. В. Нефтеперерабатывающая промышленность России: тенденции, угрозы, перспективы // Бурение и нефть. - 2012. - № 1. - С. 16-19.

5. Принципиальные подходы к геолого-экономической оценке разномасштабных нефтегазовых объектов / Филимонова И. В., Эдер Л. В., Мишенин М. В., Проворная И. В. // Геология нефти и газа. - 2014. - № 1. - С. 15-23.

6. Эдер Л. В., Немов В. Ю., Филимонова И. В. Перспективы энергопотребления на транспорте: методические подходы и результаты прогнозирования // Мир экономики и управления. - 2016. - Т. 16, № 1. - С. 25-38.

7. Комплексный анализ современного состояния нефтегазового комплекса Восточной Сибири и Дальнего Востока / Филимонова И. В., Эдер Л. В., Дякун А. Я., Мамахатов Т. М. // Вестник Тюмен. гос. ун-та. Экология и природопользование. - 2016. - Т. 2, № 1. - С. 43-60.

8. Эдер Л. В., Проворная И. В., Филимонова И. В. Добыча и утилизация попутного нефтяного газа как направление комплексного освоения недр: роль государства и бизнеса, технологий и экологических ограничений // Бурение и нефть. - 2016. - № 10. - С. 8-15.

9. Мкртчян Г. М., Эдер Л. В., Филимонова И. В. Эффективность управления компаниями нефтегазовой отрасли России в условиях кризиса // Менеджмент в России и за рубежом. - 2016. - № 2. - С. 48-57.

10. Эдер Л. В., Филимонова И. В., Моисеев С. А. Нефтегазовый комплекс Восточной Сибири и Дальнего Востока: тенденции, проблемы, современное состояние // Бурение и нефть. - 2015. - № 12. - С. 3-12.

© А. С. Квасова, 2017