論文の概要: Fuzzy inference system application for oil-water flow patterns identification

• arxiv url: http://arxiv.org/abs/2105.11181v1
• Date: Mon, 24 May 2021 10:08:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 22:15:08.139366
• Title: Fuzzy inference system application for oil-water flow patterns identification
• Title（参考訳）: 油-水流パターン同定のためのファジィ推論システム
• Authors: Yuyan Wu, Haimin Guo, Hongwei Song, Rui Deng
• Abstract要約: ファジィ推論システムは流体の流れパターンを予測するために用いられる。 ファジィ推論システムはBPニューラルネットワークの予測結果よりも正確で信頼性が高い。 非垂直井戸の全生産検層プロセスにおいて、流体流動パターンを予測するファジィ推論システムを用いることで、生産コストを大幅に削減することができる。
• 参考スコア（独自算出の注目度）: 6.060020806741279
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the continuous development of the petroleum industry, long-distance transportation of oil and gas has been the norm. Due to gravity differentiation in horizontal wells and highly deviated wells (non-vertical wells), the water phase at the bottom of the pipeline will cause scaling and corrosion in the pipeline. Scaling and corrosion will make the transportation process difficult, and transportation costs will be considerably increased. Therefore, the study of the oil-water two-phase flow pattern is of great importance to oil production. In this paper, a fuzzy inference system is used to predict the flow pattern of the fluid, get the prediction result, and compares it with the prediction result of the BP neural network. From the comparison of the results, we found that the prediction results of the fuzzy inference system are more accurate and reliable than the prediction results of the BP neural network. At the same time, it can realize real-time monitoring and has less error control. Experimental results demonstrate that in the entire production logging process of non-vertical wells, the use of a fuzzy inference system to predict fluid flow patterns can greatly save production costs while ensuring the safe operation of production equipment.
• Abstract（参考訳）: 石油産業の継続的な発展により、石油とガスの長距離輸送が一般的となった。 水平井戸の重力差と高度にずれた井戸(非垂直井戸)により、パイプラインの底面の水相はパイプラインのスケーリングと腐食を引き起こす。 スケーリングと腐食により輸送プロセスが困難になり、輸送コストが大幅に増加する。 したがって, 油水二相流パターンの研究は, 石油生産にとって非常に重要である。 本稿では,ファジィ推論システムを用いて流体の流れパターンを予測し,予測結果を取得し,BPニューラルネットワークの予測結果と比較する。 その結果,ファジィ推論システムの予測結果は,bpニューラルネットワークの予測結果よりも正確かつ信頼性が高いことがわかった。 同時に、リアルタイム監視を実現し、エラー制御を少なくする。 実験の結果,非垂直井戸の全生産検層プロセスにおいて,ファジィ推論システムを用いて流動パターンを予測すれば,製造設備の安全運転を確保しつつ,生産コストを大幅に削減できることがわかった。

関連論文リスト

• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Transformer-based Drum-level Prediction in a Boiler Plant with Delayed Relations among Multivariates [2.822521762044523]
  本稿では, 蒸気ボイラプラントのドラム水位予測におけるトランスフォーマーモデルの適用について検討する。 この目的のために,1)データ前処理,2)因果関係解析,3)遅延推論,4)変数拡張,および5)予測を含む急進パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-07-15T19:05:30Z)
• MFL Data Preprocessing and CNN-based Oil Pipeline Defects Detection [0.0]
  コンピュータビジョンの異常検出への応用は、いくつかの産業分野で注目されている。 本研究は磁気フラックス漏洩データと前処理技術の研究に焦点を当てる。 そのために、最近の畳み込みニューラルネットワーク構造を利用して、堅牢なアプローチを提案しました。
  論文  参考訳（メタデータ） (2023-09-30T10:37:12Z)
• Uncertainty and Explainable Analysis of Machine Learning Model for Reconstruction of Sonic Slowness Logs [5.815454346817298]
  我々は、2020年のSPWLAの機械学習コンペティションのデータを用いて、欠落した圧縮波のスローネスとせん断波のスローネスログを予測する。 NGBoostアルゴリズムを用いて、結果と不確実性を予測できるアンサンブル学習モデルを構築する。 その結果,NGBoostモデルでは中性子ポロシティとガンマ線が大きい場合,より遅い予測結果が得られる傾向が示唆された。
  論文  参考訳（メタデータ） (2023-08-24T08:03:15Z)
• 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)
• A Machine Learning Pressure Emulator for Hydrogen Embrittlement [1.7205106391379026]
  水素脆化は、科学者やガスインスタレーションの設計者がプロセスの故障を避けるための主要な関心事である。 管内壁のガス圧を予測する物理インフォームド機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-06-22T13:42:35Z)
• Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
  実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。 その結果、FNOはレイノルズ数の範囲で実験速度場の進化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） (2023-01-19T20:04:36Z)
• Stabilizing Machine Learning Prediction of Dynamics: Noise and Noise-inspired Regularization [58.720142291102135]
  近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。 緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。 トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
  論文  参考訳（メタデータ） (2022-11-09T23:40:52Z)
• Forecasting the production of Distillate Fuel Oil Refinery and Propane Blender net production by using Time Series Algorithms [0.0]
  石油生産予測は、コスト効果を制御し、石油貯水池の機能を監視するための重要なステップである。 石油生産は、ポーシティー、透水性、圧縮性、流体飽和、その他よく動作するパラメータなどの貯水池の品質に影響を受けている。
  論文  参考訳（メタデータ） (2022-06-04T10:48:48Z)
• Forensicability of Deep Neural Network Inference Pipelines [68.8204255655161]
  本研究では,観測可能な出力に特徴的な数値偏差をトレースすることで,機械学習パイプラインの実行環境の特性を推定する手法を提案する。 一連の概念実証実験の結果は、ディープニューラルネットワーク予測を生成するために使用されるハードウェアプラットフォームの識別など、法医学的な応用をもたらす。
  論文  参考訳（メタデータ） (2021-02-01T15:41:49Z)
• Predictive Analytics for Water Asset Management: Machine Learning and Survival Analysis [55.41644538483948]
  本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。 スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。 その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
  論文  参考訳（メタデータ） (2020-07-02T19:08:36Z)

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。