文献

J-GLOBAL ID：201902270295629865   整理番号：19A0658367

人工神経回路網と統合生産モデリングを用いたガスリフト最適化【JST・京大機械翻訳】

Gas Lift Optimization Using Artificial Neural Network and Integrated Production Modeling

著者 (4件)： Shokir Eissa Mohamed El-M. (Mining, Petroleum, and Metallurgical Department, Faculty of Engineering, Cairo University, Giza, Egypt) ,  Hamed Mazen M. B. (Gulf of Suez Petroleum Company (GUPCO), Cairo, Egypt) ,  Ibrahim Azza El-S. B. (Electronics Research Institute (ERI), Giza, Egypt) ,  Mahgoub Ismail (Petroleum Engineering Department, Future University in Egypt, Cairo, Egypt)
資料名： Energy & Fuels  (Energy & Fuels)
巻： 31  号： 9  ページ： 9302-9307  発行年： 2017年 
JST資料番号： E0805B  ISSN： 0887-0624  CODEN： ENFUEM  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 坑井流動坑底圧力と流体速度は,石油とガス産業における異なる応用に対して知られていなければならない。これらのパラメータの正確な値は,ガスリフト最適化,坑井監視,貯留層性能評価,および現場開発計画のような異なる計算に必要である。十分な介入なしでこれらのパラメータの値を推定することは,介入業務の数,運転リスク,時間,および金銭を最小にするために大きな需要がある。これらのパラメータを予測するために多くの相関が文献で利用可能である。しかし,これらの相関は正確な値では通常利用できない異なる変数の知識を必要とした。これらのパラメータに対する正確な値を予測するためのよりロバストなツールの探索が要求されている。したがって,人工神経回路網(ANN)モデルを,プロスパーソフトウェア,生産検層ツール(PLT),および試験分離器データからの抽出データセットから開発した。最初に,ANNモデルを訓練し,合成データ(prosperソフトウェアから抽出)により試験した。次に,ANNモデルをPLT報告から収集した試験点のグループによって試験した。開発したANNモデルにより,坑井流底孔圧力と坑井流体速度の正確な予測が得られた。各井戸のこれらのパラメータの値を用いて,異なるガスリフト最適化シナリオを実行するためにGAPソフトウェアを用いて統合生産モデル(IPM)を構築した。Copyright 2019 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  *モデリング ,  坑底圧 ,  坑井 ,  *最適化 ,  検層 ,  性能評価 ,  流速 ,  *ニューラルネットワーク ,  パラメータ ,  分離装置 ,  石油 ,  ソフトウェア ,  ガス工業
準シソーラス用語： 貯留層 , 【Automatic Indexing@JST】

分類 (1件)： 採収法  (UA10040R)

タイトルに関連する用語 (4件)： 人工神経回路網 ,  統合 ,  モデリング ,  最適化