文献

J-GLOBAL ID：202202243249236532   整理番号：22A0155990

データマイニング技術を用いた油粘度を予測する新しい相関【JST・京大機械翻訳】

New correlations to predict oil viscosity using data mining techniques

著者 (4件)： Bahonar Ehsan (Faculty of Petroleum and Natural Gas Engineering, Sahand University of Technology, Tabriz, Iran) ,  Chahardowli Mohammad (Faculty of Petroleum and Natural Gas Engineering, Sahand University of Technology, Tabriz, Iran) ,  Ghalenoei Yaser (Faculty of Petroleum and Natural Gas Engineering, Sahand University of Technology, Tabriz, Iran) ,  Simjoo Mohammad (Faculty of Petroleum and Natural Gas Engineering, Sahand University of Technology, Tabriz, Iran)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 208  号： PE  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： 油粘度を,地中と表面の両条件で流体輸送計算に用いた。実験室測定または経験的相関から油粘度を決定することが可能である。しかし,実験室測定は常に利用できない。そして,経験的相関は,低い正確さに悩ました。本研究は,表面下から表面条件までの広い圧力範囲での油粘度計算のための新しい相関を示唆するデータマイニングアルゴリズムを実行する。最初に,散乱プロットマトリックスを適用して,イラン石油貯留層からの1950PVT実験データ点を分析した。したがって,油粘度を予測するための最も相関するパラメータを決定した。次に,データポイントの75%をランダムに選択して,モデルを訓練した。残りのデータ,すなわちデータ点の25%を用いて,開発した相関の精度を調べた。次に,すべての圧力範囲,すなわち,死油粘度,気泡点圧力の上下で,記号回帰分析を行った。最後に,新しい油粘度相関を提案した。統計的およびグラフィカル評価は,新しい相関が,平均絶対誤差を下げることにより,以前に提案した相関を凌ぐことを明らかにした。提示した相関はすべての圧力範囲で予測精度を改善すると結論できる。その結果,機械学習はすべての圧力領域で油粘度の高精度予測を提供できると推論された。全体として,提案した相関は妥当な精度で全ての圧力範囲で油粘度を計算するために使用できた。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： アルゴリズム ,  気泡 ,  散乱 ,  *粘度 ,  回帰分析 ,  流体輸送 ,  死 ,  イラン・イスラム共和国 ,  石油貯留層 ,  機械学習 ,  *データマイニング
準シソーラス用語： 予測精度 ,  高精度 ,  データマイニング技術 ,  平均絶対誤差 , 【Automatic Indexing@JST】

著者キーワード (6件)： 油粘度 ,  相関 ,  データマイニング ,  機械学習 ,  記号回帰 ,  散乱行列プロット

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (5件)： データマイニング技術 ,  油 ,  粘度 ,  予測 ,  相関