文献

J-GLOBAL ID：201802241081618653   整理番号：18A0801216

流線クラスタ化人工知能の方法に基づく石油貯留層のための水攻法流れ面積の同定【JST・京大機械翻訳】

Water flooding flowing area identification for oil reservoirs based on the method of streamline clustering artificial intelligence

著者 (2件)： JIA Hu (State Key Laboratory of Oil and Gas Reservoir Geology and Exploitation in Southwest Petroleum University, Chengdu 610500, China) ,  DENG Lihui (State Key Laboratory of Oil and Gas Reservoir Geology and Exploitation in Southwest Petroleum University, Chengdu 610500, China)
資料名： Petroleum Exploration and Development Online  (Petroleum Exploration and Development Online)
巻： 45  号： 2  ページ： 328-335  発行年： 2018年 
JST資料番号： W2880A  ISSN： 1876-3804  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 炭酸塩貯留層水攻法開発の事例に対して,流線モデリング結果に基づく流れ場同定法を提案した。Petrelプラットフォームのための海洋を用いて,流線データを輸出するプラグインを構築し,その後のデータをPythonプログラミングにより処理し,クラスタ化し,貯水池の異なる時間で異なる水攻効率を持つ流れ場を表示した。著者らは,一次流線クラスタアルゴリズムとして密度ピーククラスタ化を使用し,そして,妥当なクラスタ数を選択するためのクラスタ検証アルゴリズムとしてのシルエットアルゴリズム,および異なるクラスタ化アルゴリズムの結果を比較した。結果は,クラスタ化係数が同じであるとき,密度ピーククラスタリングアルゴリズムが,K-平均,階層的クラスタ化およびスペクトルクラスタリングアルゴリズムより良い同定能力とより高いシルエット係数を提供することができることを示した。流線クラスタリング法の結果に基づいて,貯留層技術者は,定量化処理によって流れ面積を容易に同定することができて,貯水池における開発可能性を有する非効率的水注入チャネルと区域を同定することができた。一方,同じインジェクタと生産者の間の流線は,水相における駆動容量分布を記述するために細分化でき,水攻最適化,坑井パターン調整,および深いプロファイル修正の意思決定のための有用な情報を提供する。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 貯水池 ,  アルゴリズム ,  最適化 ,  意思決定 ,  *人工知能 ,  流れ場 ,  *石油貯留層 ,  チャネル ,  *クラスタ化 ,  シミュレーション ,  *流線 ,  モデリング ,  *クラスタ ,  *水攻法
準シソーラス用語： *貯留層 , 【Automatic Indexing@JST】

著者キーワード (6件)： 水攻法 ,  水攻法効率 ,  流れ場の同定 ,  流線シミュレーション ,  クラスタアルゴリズム ,  人工知能

分類 (2件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 流線 ,  クラスタ化 ,  人工知能 ,  石油貯留層 ,  水攻法 ,  流れ ,  面積 ,  同定