机器学习驱动的传感器快速嗅探气体泄漏

一项新的研究证实了一种天然气泄漏检测工具的成功，该工具使用传感器和机器学习来定位油气田的泄漏点，有望在庞大的天然气基础设施中实现新的自动、负担得起的采样。

一项新的研究证实了洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)科学家首创的天然气泄漏检测工具的成功，该工具使用传感器和机器学习来定位油气田的泄漏点，有望在庞大的天然气基础设施中进行新的自动、负担得起的采样。

洛斯阿拉莫斯国家实验室首席科学家、这项新研究的合著者曼文德拉·杜贝(Manvenra Dubey)说，我们的自动泄漏定位系统可以快速发现天然气泄漏，包括基础设施故障造成的小泄漏，并降低成本，因为目前修复天然气泄漏的方法都是劳动密集型的、昂贵的和缓慢的，曼文德拉·杜贝(Manvenra Dubey)说。我们的传感器在检测甲烷和乙烷的灵敏度上超过了竞争对手的技术。此外，我们的神经网络可以连接到任何传感器，这使得我们的工具非常强大，并将使市场渗透。

自主、低成本、快速泄漏检测系统(ALFaLDS)是为了发现甲烷的意外释放而开发的，甲烷是一种强有力的温室气体，并获得了2019年研发100人奖。ALFaLDS基于(天然气中)甲烷和乙烷的实时测量以及大气风的测量，对天然气泄漏进行检测、定位和量化，这些测量由经过训练以定位泄漏的机器学习代码进行分析。该代码是使用洛斯阿拉莫斯国家实验室的高分辨率烟羽扩散模型进行训练的，并在现场通过控制释放进行了精巧的训练。

在科罗拉多州科罗拉多州立大学(Colorado State University)位于科罗拉多州柯林斯堡(Fort Collins)的石油和天然气井垫设施进行的盲目释放测试结果表明，ALFaLDS精确地定位了工程甲烷泄漏的位置，并量化了它们的大小。发表在《大气环境：X》杂志上的这篇论文总结道，这种高技能、高速度、高精度、低成本定位泄漏的新能力有望为井垫和油气田的逃逸气体泄漏提供新的自动化、负担得起的采样。

ALFALDS在定位和量化天然气设施中逃逸的甲烷泄漏方面的成功，如果被该行业实施，可能会导致甲烷排放量减少90%。

ALFaLDS使用了一个小型传感器，这使得它非常适合在汽车和无人机上部署。洛斯阿拉莫斯团队正在开发传感器，这些传感器与迷你3D声波风速计和这些研究中强大的机器学习代码集成在一起。

然而，该代码是自主的，可以读取任何气体和风力传感器的数据，以帮助快速发现泄漏，并将巨大的天然气开采、生产和消费网络的逃逸排放降至最低。

通过这种集成，ALFaLDS为石油和天然气服务提供商、调查这一问题的非营利组织以及研究天然气生产的国家实验室和学术界提供了一种革命性的方法。

材料由能源部/洛斯阿拉莫斯国家实验室提供。注意：内容可以根据样式和长度进行编辑。

布莱恩·特拉维斯，曼文德拉·杜贝，杰里米·鲍尔。为MIR探测系统定位和量化在逃天然气泄漏的神经网络。大气环境：X，2020年；100092 doi：10.1016/j.aeaoa.2020.100092。

科学日报与TrendMD网络中的网站共享链接，并根据需要从第三方广告商那里赚取收入。