文献

J-GLOBAL ID：202202212456901847   整理番号：22A0913106

赤外分光法とKL+BP-RBFアルゴリズムに基づく掘削全炭化水素ガスの検出および同定方法【JST・京大機械翻訳】

Detection and Identification Method of Drilling Total Hydrocarbon Gas Based on Infrared Spectroscopy and KL+BP-RBF Algorithm

著者 (4件)： Liang Haibo (School of Mechatronic Engineering, Southwest Petroleum University, Chengdu, Sichuan, China) ,  Chen Haifeng (School of Mechatronic Engineering, Southwest Petroleum University, Chengdu, Sichuan, China) ,  Guo Jinhong (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan, China) ,  Zuo Xing (CNPC Chuanqing Drilling Engineering Technology Research Institute, Deyang, Sichuan, China)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.2504510.1-10  発行年： 2022年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  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： 深部石油とガス探査の過程において,貯留層層内の炭化水素ガスを同定することはますます困難である。従来の方法は,精度と強いリアルタイム性能の困難さを克服することができず,結果として油とガス貯留層床の誤判断と見逃し判断をもたらす。赤外分光法検出技術は,物質の定性的および定量的分析を,接触なしで迅速に実現することができ,上記の問題を解決する新しい方法を提供する。したがって,上記に基づいて,本論文は,掘削中の全炭化水素の赤外分光法検出法を提案した。動径基底関数(RBF)ニューラルネットワークを最適化するために,バックプロパゲーション(BP)アルゴリズムを使用して,Karhunen Hubbard Loeve(KL)特徴抽出法を結合して,赤外分光法のKL+BP-RBF解析モデルを確立して,掘削における全炭化水素ガスの同定と予測を実現した。検出方法の精度を検証するために,隠れ層ノードの適切な数の選択に基づき,2分類実験の比較解析を通して,結果はKL+BP-RBF法の精度が97.73%に達することを示した。KL+BP-RBFマルチ分類法を1対1理論に基づいて確立した。シミュレーション実験を通して,この方法の精度は97.93%に達した。全炭化水素ガス成分の赤外分光法検出方法を確立し,一方,炭化水素ガスを迅速かつ正確に同定することができた。それは,石油とガス貯留層を早期に発見するための新しい技術的支援を提供する。Copyright 2022 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： *アルゴリズム ,  *気体 ,  最適化 ,  シミュレーション ,  石油 ,  ニューラルネットワーク ,  特徴抽出 ,  ガス層 ,  検出法 ,  *炭化水素ガス ,  *赤外分光法 ,  逆伝搬法 ,  解析モデル
準シソーラス用語： 隠れ層 ,  貯留層 , 【Automatic Indexing@JST】

分類 (1件)： 計測機器一般  (AD02000X)

タイトルに関連する用語 (6件)： 赤外分光法 ,  RbF ,  アルゴリズム ,  掘削 ,  炭化水素ガス ,  同定