10月15日至16日，第二届中国智能油气管道与智能管道网络技术交流会，山区油气管道安全与智能运行技术交流会在成都成功举行。来自国家石油，石化和管道业务领域的1,000多位专家和代表参加了会议，讨论和交流与智能油气管道和智能管道网络有关的技术。作为中国人工智能领域新兴企业的代表，RealAI工业业务产品负责人寇美茹应邀参加了此次会议，并就“第三代人工智能”发表了主题演讲。在工业领域的技术应用”。寇美如在开始时就介绍说，随着油气管道网络信息化和数字化的大规模发展，海量数据资源使人工智能有可能登陆油气管道领域，但与此同时也面临某些挑战。一方面，数据和场景的局限性常常使实现AI技术变得困难。另一方面，工业场景通常是闭环的，也就是说，通过数据分析获得的结果需要反馈到生产，操作和维护链接，以指导或直接执行相应的操作。 AI模型给出的结果必须可靠。这些都在一定程度上限制了AI技术在油气管道等工业领域的大规模应用和推广。依靠贝叶斯深度学习领域的多年探索，RealAI建立了基于工业信息化的基于数据的模型，并创新地集成了传统机制以创建独立的智能决策系统。通过引入数据驱动算法，已经在工业领域积累了数十年的技术经验和成熟的分析方法，一方面，它可以提高恶劣条件下模型的性能，例如数据量少，数据质量差。 ，另一方面，它可以极大地改进算法。模型的可靠性和可解释性。基于这种技术途径，RealAI在工业领域积累了许多自行开发的高级算法，例如序列数据的异常检测和时序预测，强化学习算法，图像检测算法等。在深入的工业场景中，RealAI当前提供三种类型的解决方案，即过程参数优化，预测性维护和智能检查。它已用于压铸机工艺参数优化，大坝预测性维护和光伏面板缺陷检测。等待现场获取实际的应用程序。在讨论了如何将第三代人工智能技术应用于城市燃气管网系统后，寇美如提出了四个构想。一种是天然气负荷智能预测，它使用贝叶斯神经网络对历史负荷数据，气象数据和季节性事件数据进行建模，以预测天然气负荷。由于这些数据对负载的影响尚不清楚，因此一些传统的简单拟合方法的结果通常难以发挥实际效用，贝叶斯神经网络的优势在于它可以基于不确定性进行建模。结果是置信区间，可靠性和参考意义更强。第二是城市燃气管网的泄漏预警和精确定位，根据是否有直接测量设备可以分为两个方向。方向1：针对直接检测泄漏的设备数据，人工智能可以完成对检测设备返回的数据的自动识别和检测。方向2：由于缺少传感设施，可以根据管网的运行状态和工作条件数据进行分析。例如，管网每个节点的压力数据可用于预测可能发生大量泄漏的位置。仿真结果作为基本参考，结合物理机理和约束条件，利用图神经网络算法结合城市燃气管网的拓扑结构来实现。如果要预测泄漏发生的时间，或预测泄漏量达到阈值的时间，则需要将其与时序预测算法结合起来实现。一般而言，前者实现了两个方向的泄漏检测，后者实现了泄漏警告和报警。