文献

J-GLOBAL ID：202202225248387972   整理番号：22A0903853

人工知能法を用いた傾斜環状における摩擦圧力損失の厳密なモデリング【JST・京大機械翻訳】

Rigorous modeling of frictional pressure loss in inclined annuli using artificial intelligence methods

著者 (5件)： Bemani Amin (Department of Petroleum Engineering, Amirkabir University of Technology (Polytechnic of Tehran), Tehran, Iran) ,  Kazemi Alireza (Department of Petroleum and Chemical Engineering, Sultan Qaboos University, Muscat, Oman) ,  Ahmadi Mohammad (Department of Petroleum Engineering, Amirkabir University of Technology (Polytechnic of Tehran), Tehran, Iran) ,  Yousefzadeh Reza (Department of Petroleum Engineering, Amirkabir University of Technology (Polytechnic of Tehran), Tehran, Iran) ,  Moraveji Mostafa Keshavarz (Department of Chemical Engineering, Amirkabir University of Technology (Polytechnic of Tehran), Tehran, Iran)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 211  ページ： Null  発行年： 2022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： アンダーバランス掘削(UBD)中の挑戦的な課題の一つは,掘削流体,切削,および空気の3相の存在における摩擦損失の予測である。本研究では,3つの革新的機械学習ベースアルゴリズムベースの勾配ツリーブースティング(GTB),適応ニューロファジー推論システム(ANFIS),および極端学習機械(ELM)が,傾斜円環における切削を含むガスベース掘削流体における摩擦損失を計算するために提案された。穴傾斜,パイプ回転,浸透速度,および各相の流量に関する216の実際の摩擦圧力損失データを収集し,摩擦圧力損失モデルを訓練し,検証した。摩擦圧力損失モデルと実際の値の視覚的および統計的比較は,モデルが傾斜井の摩擦圧力損失の予測において魅力的な能力を持つことを明らかにした。さらに,GTBモデルは,実際の摩擦圧力損失値と比較して,R2=1,RMSE=0.0031,MRE=0.415,STD=0.0023,およびMSE≒0の最良の性能を有した。さらに,励起感度解析を用いて,傾斜円環の摩擦圧力損失に対する各操作パラメータの有効性を同定した。これらの事実により,本研究は複雑な現場条件における掘削シミュレータの開発の補助として応用できる。Copyright 2022 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： *圧力損失 ,  視覚 ,  励起 ,  シミュレータ ,  流量 ,  切削 ,  感度解析 ,  *モデリング ,  *人工知能 ,  掘削液 ,  モデル ,  ファジィニューラルネットワーク ,  機械学習 ,  摩擦損失
準シソーラス用語： アンダーバランス掘削 , 【Automatic Indexing@JST】

著者キーワード (5件)： 三相流 ,  アンダーバランス掘削 ,  摩擦圧力損失 ,  人工知能 ,  感度解析

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (5件)： 人工知能 ,  環状 ,  摩擦 ,  圧力損失 ,  モデリング