Tóm tắt:

Ăn mòn trong đường ống do tác nhân Carbon Dioxide (CO2) là vấn đề đáng quan tâm trong công nghiệp dầu khí. Trong nghiên cứu này, nhóm tác giả đề xuất phương pháp tiếp cận mới để dự đoán tốc độ ăn mòn do Carbon Dioxide (CO2) trong đường ống, ứng dụng phương pháp máy học, cụ thểlà mạng Neural nhân tạo (ANN). Sau khi tiến hành thu thập, chọn lọc đặc trưng, tiền xử lý dữ liệu, tập dữ liệu phục vụ cho nghiên cứu bao gồm 40 điểm dữ liệu với 9 đặc trưng (features). Mô hình mạng ANN đã được xây dựng với 2 lớp ẩn có kích thước lần lượt là 18 node và 9 node; với hàm kích hoạt lần lượt là ReLU và Sigmoid. Nhóm tác giả sử dụng các thuật toán Early Stopping và RMSprop đểtăng độ chính xác của mô hình ANN, giảm ảnh hưởng của bộ dữ liệu nhỏ. Mô hình dự đoán theo tiêu chuẩn Norsok M- 506 cũng được áp dụng đểso sánh hiệu quả với mô hình mạng neural nhân tạo. Các chỉ tiêu bao gồm căn bậc hai sai số bình phương trung bình (RMSE), sai số tuyệt đối trung bình (MAE), hệ số xác định (R2). Kết quả nghiên cứu cho thấy dự đoán của mô hình mạng neural nhân tạo đạt các chỉ tiêu R2 = 0.938, RMSE = 0,014, MAE = 0,011 tốt hơn nhiều so với mô hình thực nghiệm theo tiêu chuẩn Norsok M-506