文献

J-GLOBAL ID：202102227012899294   整理番号：21A0234118

石油生産強化のための水攻法モデルの開発【JST・京大機械翻訳】

Development of water flood model for oil production enhancement

著者 (3件)： Tsvaki Jetina J. (Novosibirsk State University,Dept. of Mathematics and Mechanics,Novosibirsk,Russia) ,  Tailakov Dmitry O. (Kutateladze Institute of Thermophysics SB RAS,Laboratory for Fundamentals of Energy Technologies,Novosibirsk,Russia) ,  Pavlovskiy Evgeniy N. (Novosibirsk State University,Stream Data Analytics and Machine Learning Laboratory,Novosibirsk,Russia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： S.A.I.ence  ページ： 46-49  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 産業の主な目標は,石油とガス田における生産性の向上であり,石油とガス田の油田は,有効かつ経済的に効率的な方法で油を生産することにより,貯留層油資産を増加させることである。本研究の目的は,人工ニューラルネットワークを用いた石油生産強化のための水洪水モデルを開発することであり,また,与えられた水注入のための油生産を最大化するモデルを提供し,次に,成熟した圃場寿命を延長し,運用コストを減少させるであろう。毎日の水注入速度,石油生産速度,水生産,および2004年から2016年までのガス生産を含むデータを用いて,577の注入井,1344の生産井,および36のイベントが経過中に起こった。Multi-Layer認識,畳込みニューラルネットワーク,Long Short-Term記憶,およびGate Recure Neural Networkのような深層ニューラルモデルの比較分析を用い,ゲートリカレントニューラルネットワークがそれらを凌駕した。損失を最小にするために,水洪水モデル表データ混合の性能を改良するために,上記のすべてのモデルに関して採用した。結果は,データ混合型ニューラルネットワークがすべての他のモデルより優れていることを示した。油生産を最大化するために,Nelder-Mead最適化法を採用して,適切な水注入速度を見つけた。単純な2層多層パーセプトロンを用いて,水注入と油生産の間の非線形関係をモデル化して,機能複雑性を避けた。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  洪水 ,  *石油 ,  *水攻法 ,  油田 ,  操業費 ,  ガス田 ,  採ガス ,  *採油 ,  多層パーセプトロン
準シソーラス用語： 神経回路網モデル ,  リカレントニューラルネットワーク ,  生産井 ,  貯留層 ,  注入井 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 石油生産 ,  強化 ,  水攻法 ,  モデル ,  開発