論文の概要: On gray-box modeling for virtual flow metering

• arxiv url: http://arxiv.org/abs/2103.12513v1
• Date: Tue, 23 Mar 2021 13:17:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-24 13:40:17.965857
• Title: On gray-box modeling for virtual flow metering
• Title（参考訳）: 仮想フロー計測のためのグレーボックスモデリングについて
• Authors: Mathilde Hotvedt, Bjarne Grimstad, Dag Ljungquist, Lars Imsland
• Abstract要約: 石油生産システムにおける流量の連続予測を可能にする仮想流量計(vfm)。 グレーボックスモデリングは、機械性とデータ駆動モデリングを組み合わせたアプローチです。 本論文は,石油油井10箇所の工業ケーススタディにおいて,グレーボックス型5種について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A virtual flow meter (VFM) enables continuous prediction of flow rates in petroleum production systems. The predicted flow rates may aid the daily control and optimization of a petroleum asset. Gray-box modeling is an approach that combines mechanistic and data-driven modeling. The objective is to create a VFM with higher accuracy than a mechanistic VFM, and with a higher scientific consistency than a data-driven VFM. This article investigates five different gray-box model types in an industrial case study on 10 petroleum wells. The study casts light upon the nontrivial task of balancing learning from physics and data. The results indicate that the inclusion of data-driven elements in a mechanistic model improves the predictive performance of the model while insignificantly influencing the scientific consistency. However, the results are influenced by the available data. The findings encourage future research into online learning and the utilization of methods that incorporate data from several wells.
• Abstract（参考訳）: 石油生産システムにおける流量の連続予測を可能にする仮想流量計(vfm)。 予測された流量は石油資産の日々の制御と最適化に役立つ可能性がある。 グレイボックスモデリングは、力学とデータ駆動モデリングを組み合わせたアプローチである。 目的は、機械的VFMよりも高精度で、データ駆動型VFMよりも科学的一貫性の高いVFMを作成することである。 本稿では,10個の石油井における5種類のグレーボックスモデルについて検討する。 この研究は、物理学とデータからの学習のバランスをとるという非自明なタスクに光を当てている。 その結果, 機械モデルにデータ駆動要素を組み込むことにより, モデル予測性能が向上し, 科学的一貫性が向上することが示唆された。 しかし、結果は利用可能なデータに影響される。 この発見は、オンライン学習といくつかの井戸のデータを取り入れた方法の利用に関する今後の研究を奨励するものである。

関連論文リスト

• Recent Advances on Machine Learning for Computational Fluid Dynamics: A Survey [51.87875066383221]
  本稿では、基本概念、従来の手法、ベンチマークデータセットを紹介し、CFDを改善する上で機械学習が果たす様々な役割について検討する。 我々は,空気力学,燃焼,大気・海洋科学,生物流体,プラズマ,記号回帰,秩序の低減など,CFDにおけるMLの現実的な応用を強調した。 シミュレーションの精度を向上し、計算時間を短縮し、流体力学のより複雑な解析を可能にすることにより、MLはCFD研究を大きく変革する可能性があるという結論を導いた。
  論文  参考訳（メタデータ） (2024-08-22T07:33:11Z)
• Exploring Model Transferability through the Lens of Potential Energy [78.60851825944212]
  トランスファーラーニングは、事前訓練されたディープラーニングモデルが広く利用可能であることから、コンピュータビジョンタスクにおいて重要になっている。 既存のトレーニング済みモデルの転送可能性の測定方法は、符号化された静的特徴とタスクラベルの間の統計的相関に依存する。 我々はこれらの課題に対処するために,PEDという物理に着想を得たアプローチを提案する。
  論文  参考訳（メタデータ） (2023-08-29T07:15:57Z)
• Towards Long-Term predictions of Turbulence using Neural Operators [68.8204255655161]
  機械学習を用いて乱流シミュレーションのための低次/サロゲートモデルを開発することを目的としている。 異なるモデル構造が解析され、U-NET構造は標準FNOよりも精度と安定性が良い。
  論文  参考訳（メタデータ） (2023-07-25T14:09:53Z)
• Directed Acyclic Graph Factorization Machines for CTR Prediction via Knowledge Distillation [65.62538699160085]
  本稿では,既存の複雑な相互作用モデルから,知識蒸留によるCTR予測のための高次特徴相互作用を学習するための非巡回グラフファクトリゼーションマシン(KD-DAGFM)を提案する。 KD-DAGFMは、オンラインとオフラインの両方の実験において、最先端のFLOPの21.5%未満で最高の性能を達成する。
  論文  参考訳（メタデータ） (2022-11-21T03:09:42Z)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• TrafficFlowGAN: Physics-informed Flow based Generative Adversarial Network for Uncertainty Quantification [4.215251065887861]
  動的システムの不確実性定量化(UQ)のための物理インフォームドフローベース生成逆ネットワーク(GAN)であるTrafficFlowGANを提案する。 このフローモデルは、データ可能性の最大化と、畳み込み判別器を騙すことができる合成データを生成するために訓練される。 我々の知る限りでは、UQ問題に対するフロー、GAN、PIDLの統合を最初に提案します。
  論文  参考訳（メタデータ） (2022-06-19T03:35:12Z)
• Prediction of liquid fuel properties using machine learning models with Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
  本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。 これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。 その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-10-18T14:43:50Z)
• When is gray-box modeling advantageous for virtual flow metering? [0.0]
  仮想フロー計測アプリケーションにおける物理と機械学習の統合は、グレーボックスモデリングとして知られている。 本稿では、グレーボックスモデルが物理モデルやデータ駆動モデルより優れていると期待されるシナリオについて考察する。
  論文  参考訳（メタデータ） (2021-10-11T07:01:48Z)
• Multi-task learning for virtual flow metering [0.0]
  データ駆動型VFMのための新しいマルチタスク学習アーキテクチャを提案する。 以上の結果から,MTLは単一タスク法よりもロバスト性を向上し,性能を損なわないことがわかった。
  論文  参考訳（メタデータ） (2021-03-15T20:52:40Z)
• Bayesian Neural Networks for Virtual Flow Metering: An Empirical Study [0.0]
  ベイズニューラルネットワークに基づく確率的VFMを提示することにより,データ駆動型仮想フローメータの開発に寄与する。 5つの石油・ガス資産にまたがる60の井戸からなる大規模で異質なデータセットをモデル化し,本手法について検討した。 予測性能は過去のテストデータと将来のテストデータに基づいて分析され,50%の性能モデルの平均誤差は5～6%,9～13%となる。
  論文  参考訳（メタデータ） (2021-02-02T09:05:19Z)
• Developing a Hybrid Data-Driven, Mechanistic Virtual Flow Meter -- a Case Study [0.0]
  本研究は、上記の2つの専門分野の技術を生かしたハイブリッド・モデリング手法について検討し、良好な生産チョークをモデル化する。 チョークは、第1原理方程式の単純化されたセットとニューラルネットワークで表現され、弁流係数を推定する。
  論文  参考訳（メタデータ） (2020-02-07T12:35:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。