文献

J-GLOBAL ID：202202285482346955   整理番号：22A0104074

高圧-高温条件での気体粘度のモデリング:動径基底関数ニューラルネットワークと進化アルゴリズムの統合【JST・京大機械翻訳】

Modeling of gas viscosity at high pressure-high temperature conditions: Integrating radial basis function neural network with evolutionary algorithms

著者 (4件)： Rezaei Farzaneh (Department of Petroleum Engineering, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Jafari Saeed (Department of Mechanical Engineering, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Hemmati-Sarapardeh Abdolhossein (Department of Petroleum Engineering, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Mohammadi Amir H. (Discipline of Chemical Engineering, School of Engineering, University of KwaZulu-Natal, Howard College Campus, King George V Avenue, Durban, 4041, South Africa)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 208  号： PA  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： 過去15年間にわたる地球規模の天然ガス生産の増加は,消費者需要を満たすために,高圧-高温を含む新規で未利用の貯水池の使用につながった。多孔質媒体,井戸,およびパイプラインのような様々な環境におけるガスの流れ特性は,その粘度に影響されるので,石油技術者にとって重要なパラメータである。本研究では,3017の実験室データ点から成る巨大なガス粘度データセットを,2つのスマート技術(2つの訓練アルゴリズムによる動径基底関数ニューラルネットワークと4つの訓練アルゴリズムを有する多層パーセプトロンニューラルネットワーク)を適切に実行するために使用した。これらの技術を用いて,高圧(5000~25000psia)および高温(100~1880°C)でのガス混合物,純メタンおよび純窒素の粘度推定のために,高い精度を有する種々のモデルが開発された。アリコロニー最適化(ACO)(すなわちRBF-ACOモデル)を有する動径基底関数(RBF)ニューラルネットワークを,最良モデルとして考察した。純メタン,純窒素およびガス混合粘度を推定するための前述のモデルの平均絶対相対誤差は,それぞれ0.36%,0.49%および1.76%であった。RBF-ACOモデルは,他の提示した経験的モデルと比較してより良い結果を提供した。また,粒子スウォーム最適化(PSO)によって最適化されたRBFニューラルネットワークは,メタンとガス混合物の粘度を推定するために高い誤差を示し,遺伝的アルゴリズム(GA)によって最適化されたRBFニューラルネットワークは,ガス混合物の粘度を推定するための高い誤差を与える。その後,RBF-ACOモデルによって得られた粘度値に及ぼす入力パラメータの影響を,関連性因子を用いて調査した。最後に,数値シミュレーションに基づいて,高圧力高温ガス貯留層に対するガス粘度推定から生じる累積ガス生産の不確実性を測定するために感度解析を行った。このプロセスは,ガス粘度の正確な推定が累積ガス生産の信頼できる推定において重要な役割を果たすことを示した。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： *高圧 ,  *高温 ,  混合気体 ,  最適化 ,  *粘度 ,  天然ガス ,  不確実性 ,  感度解析 ,  *ニューラルネットワーク ,  採ガス ,  多層パーセプトロン ,  遺伝的アルゴリズム ,  学習アルゴリズム ,  アルカン
準シソーラス用語： 数値シミュレーション , 【Automatic Indexing@JST】

著者キーワード (6件)： ガス粘度 ,  高温高圧 ,  動径基底関数 ,  多層パーセプトロン ,  進化アルゴリズム ,  ガス貯留層

分類 (1件)： 油層工学  (UA10030G)

物質索引 (1件)： メタン

タイトルに関連する用語 (7件)： 高圧 ,  気体 ,  粘度 ,  モデリング ,  動径基底関数ニューラルネットワーク ,  進化アルゴリズム ,  統合