2026. — Т 13. — №2 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://resources.today/06inor226.html

This article metadata is also available in English

DOI: 10.15862/06INOR226 (https://doi.org/10.15862/06INOR226)

Полный текст статьи в формате PDF (объем файла: 527 Кбайт)

Ссылка для цитирования этой статьи:

Комротов, И. С. Искусственный интеллект в мониторинге биодеградации нефти: современные подходы и перспективы (обзор) / И. С. Комротов, В. В. Челноков // Отходы и ресурсы. — 2026. — Т 13. — №2. — URL: https://resources.today/PDF/06INOR226.pdf. — DOI: 10.15862/06INOR226. (дата обращения: 07.07.2026).

Искусственный интеллект в мониторинге биодеградации нефти: современные подходы и перспективы (обзор)

Комротов Иван Сергеевич
ФГБОУ ВО «Российский химико-технологический университет имени Д.И. Менделеева», Москва, Россия
Аспирант
E-mail: komxim@yandex.ru
ORCID: https://orcid.org/0009-0005-0893-2907

Челноков Виталий Вячеславович
ФГБОУ ВО «Российский химико-технологический университет имени Д.И. Менделеева», Москва, Россия
Профессор
Доктор технических наук, доцент
E-mail: chelnokov.v.v@muctr.ru
ORCID: https://orcid.org/0000-0002-3065-9776

Аннотация. Биодеградация нефти, вызванная метаболической активностью микроорганизмов (бактерий, архей, грибов), является серьёзной угрозой при длительном хранении сырья в резервуарах и трубопроводах. Ежегодный экономический ущерб от микробной коррозии, потери лёгких углеводородных фракций (до 20 % за полгода) и ликвидации аварийных разливов оценивается в $1,5 млрд. Это влечёт за собой снижение энергетической ценности нефти, ускоренную деградацию металлоконструкций и масштабные экологические риски. В статье рассматриваются подходы к применению технологий искусственного интеллекта для создания систем непрерывного мониторинга, предиктивного прогнозирования и проактивного контроля биодеградации нефтепродуктов. Подробно описаны три ключевых технологических направления. Первое — интеллектуальный анализ потоковых данных с распределённых датчиков интернета вещей, регистрирующих концентрации сероводорода, температуру и окислительно-восстановительный потенциал. Второе — обработка спектроскопической информации для экспресс-выявления изменений химического состава. Третье — метагеномный анализ микробных сообществ для оценки их деструктивного потенциала. Центральное место занимает прогнозное моделирование на базе гибридных нейросетевых архитектур, сочетающих физико-химические законы кинетики с алгоритмами машинного обучения. Приведены примеры успешного промышленного внедрения систем искусственного интеллекта на объектах трубопроводного транспорта и в резервуарных парках. Обозначены основные вызовы: обеспечение интерпретируемости моделей для обоснования принимаемых решений, бесшовная интеграция с унаследованными автоматизированными системами управления технологическими процессами и лабораторными системами, а также критическая потребность в репрезентативных наборах размеченных данных. Преодоление этих барьеров необходимо для перехода к полностью автоматизированному превентивному управлению биодеградацией.

Ключевые слова: искусственный интеллект; нефть; биодеградация; интернет вещей; прогнозное моделирование; метагеномика; микробная коррозия

Скачать