image
energas.ru

Территория Нефтегаз № 9-10 2020

№ 9-10 2020

Автоматизация

01.9-10.2020 10:00 Новый подход к оценке вязкости сырой нефти на основе метода машинного обучения
В статье рассмотрены возможности прогностической оценки вязкости нефти с помощью искусственного интеллекта. Для анализа вязкости ненасыщенных, насыщенных и дегазированных нефтей различных месторождений были применены методы искусственной нейронной сети и опорных векторов. Набор исходных данных включал 300 лабораторных измерений образцов нефти, был получен с месторождений всего мира. 75 % экспериментальных данных были использованы для испытания предложенных моделей искусственной нейронной сети, в то время как оставшиеся 25 % были задействованы при тестировании модели на производительность (качество). Результат исследования продемонстрировал превосходство моделей машинного обучения над существующими моделями оценки вязкости нефти по данным термодинамических исследований. Сравнительные результаты демонстрируют высокую точность моделей, созданных с помощью искусственной нейронной сети, по сравнению с другими методиками машинного обучения. Кроме того, установлено, что предложенная методика прогностической оценки вязкости нефти позволяет осуществлять моделирование при наличии минимума исходных данных. При этом расчет производится с помощью простейших функций, что расширяет возможности применения методики. В то же время отмечено, что если для расчета вязкости ненасыщенной нефти было собрано достаточное количество данных, то база данных для прогнозирования вязкости насыщенной и дегазированной нефти нуждается в расширении.
Ключевые слова: нефть, вязкость, метод машинного обучения, нейронная сеть, метод опорных векторов, давление, объем, температура.
Ссылка для цитирования: Хадавимогаддам Ф., Чебышев И.С., Чапанова И.В., Хао Ю. Новый подход к оценке вязкости сырой нефти на основе метода машинного обучения // Территория «НЕФТЕГАЗ». 2020. № 9–10. С. 12–18




← Назад к списку


im - научные статьи.