文献

J-GLOBAL ID：201802259589041510   整理番号：18A0286838

周期的水蒸気刺激プロセスのための人工知能ベース意思決定ツールの構築【Powered by NICT】

Structuring an artificial intelligence based decision making tool for cyclic steam stimulation processes

著者 (2件)： Sun Qian (Department of Energy and Mineral Engineering, Pennsylvania State University, University Park, PA 16802, USA) ,  Ertekin Turgay (Department of Energy and Mineral Engineering, Pennsylvania State University, University Park, PA 16802, USA)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 154  ページ： 564-575  発行年： 2017年 
JST資料番号： T0412A  ISSN： 0920-4105  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： サイクリック蒸気刺激(CSS)は,世界の異なる部分に存在する巨大な重質油貯留層の存在のために,より一般的なEOR技術の一つである。数値貯留層シミュレーション機構を調べ,CSSの開発戦略を最適化するのに重要な役割を果たしている。人工ニューラルネットワーク(ANN)に基づくモデルは,高速計算速度,信頼性の高い予測能力のための高忠実度モデルの強力な補助ツールであると考えられる。本研究では,人工神経回路網技術を用いた周期的水蒸気圧入プロセスのためのスクリーニング/設計ツールとしてロバストな代理モデルの開発に焦点を当てた。本研究の主要な貢献は,ANNは,このようなプロセスで遭遇する複雑なデータ構造をより良く理解する為にネットワークトポロジー最適化ワークフローを用いたANNモデルの訓練を含んでいる。開発されたANNモデルは,入力パラメータ他の関連データとともに相対浸透率と温度依存性粘度のような岩石-流体特性を組み込むことに成功した。もう一つ重要なことは,ネットワークモデルは,ハイブリッド構造を利用した周期的水蒸気圧入過程で遭遇しうる自動サイクルスイッチング方式に適応している。本論文では,ANNモデルは分類ツール及び非線形回帰ツールとして用いることができることを示した。モデルは高忠実度シミュレーションモデルに対する広範なブラインド試験により検証し,プロセスの大域的最適化における強力なスクリーニングとプロセス設計ツールとして使用できる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *人工知能 ,  モデル ,  シミュレーションモデル ,  ニューラルネットワーク ,  ロバスト性 ,  ネットワーク ,  スクリーニング ,  温度依存性 ,  最適化 ,  油層シミュレーション ,  信頼性
準シソーラス用語： 設計ツール ,  圧入 ,  高忠実度 ,  貯留層 , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工知能 ,  人工ニューラルネットワーク ,  熱E OR ,  サイクリック蒸気刺激 ,  ハイブリッドエキスパートシステム ,  普遍的代理モデル

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (7件)： 水蒸気 ,  刺激 ,  プロセス ,  人工知能 ,  意思決定 ,  ツール ,  構築