文献

J-GLOBAL ID：201702225128382945   整理番号：17A0316034

CO_2-貯留層油最小ミシビリティ圧力予測のための混合カーネル関数(MKF)に基づくサポートベクトル回帰モデル(SVR)の応用【Powered by NICT】

Application of mixed kernels function (MKF) based support vector regression model (SVR) for CO₂ - Reservoir oil minimum miscibility pressure prediction

著者 (2件)： Zhong Zhi (Department of Geology and Geography, West Virginia University, Morgantown, WV 26506, USA) ,  Carr Timothy R. (Department of Geology and Geography, West Virginia University, Morgantown, WV 26506, USA)
資料名： Fuel  (Fuel)
巻： 184  ページ： 590-603  発行年： 2016年 
JST資料番号： C0023A  ISSN： 0016-2361  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 石油貯留層への二酸化炭素(CO_2)注入は,従来の貯留層のための成熟した石油増進回収(EOR)技術と考えられている。CO_2~-EORプロセスの局所変位効率は最小混和圧力(MMP)に大きく依存する推定,このパラメータはCO_2注入プロセスの設計に重要である。CO_2~-油MMPを試験するために伝統的な経験的方法は時間がかかり,高価な導出された相関は迅速であるが正確ではない。,MMPを決定するための効率的で信頼できる方法が有益である。本研究では,混合カーネル関数(MKF)に基づくサポートベクトル回帰(SVR)モデルを開発し,純及び不純物含有両CO_2注入例のMMPを予測するために使用した。四つのパラメータは,入力パラメータとして選択した:(1)貯留層温度(2)平均臨界温度(3)原油のペンタン+(C_5+)画分の分子量,および(4)原油の中間成分への揮発性成分の比。MMPを訓練し,この新しく開発したモデルを試験するために所望の出力パラメータとして選択した。基本カーネル関数に基づくSVRモデルの性能をこの新しく開発したMKF SVRモデルのそれと比較した。よく訓練されたMFK SVRを三つの確立された公表された相関式と比較し,最高の相関係数(0.9381R),最低の根平均二乗誤差(RMSE1.9151),最小平均絶対誤差(1.1406のAAE)と最大絶対誤差(4.6291のMAE)を実証した。提案したMFK SVMモデルはMMPを予測するためのより信頼性のある安定な回帰モデルであると信じている。さらに,物理的正当性を評価するために感度分析を行った。新しく開発したモデルからの予測結果は,先行の実証研究と良く一致することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 原油 ,  相関係数 ,  不純物 ,  *回帰モデル ,  分子量 ,  石油貯留層 ,  感度解析 ,  揮発分 ,  二酸化炭素 ,  臨界温度
準シソーラス用語： 絶対誤差 ,  平均二乗誤差 ,  *サポートベクトル回帰 ,  *Kernel関数 ,  *貯留層 , 【Automatic Indexing@JST】

著者キーワード (5件)： CO_2~-油最小混和圧力(MMP) ,  CO_2増加石油回収 ,  サポートベクトル回帰 ,  混合カーネル関数 ,  パーティクルスワーム最適化アルゴリズム

分類 (3件)： 採収法  (UA10040R) ,  油層工学  (UA10030G) ,  計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (7件)： 貯留層 ,  予測 ,  カーネル関数 ,  サポートベクトル回帰 ,  モデル ,  SVR ,  応用