کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6619210 1424492 2018 26 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A fast algorithm for calculating isothermal phase behavior using machine learning
ترجمه فارسی عنوان
الگوریتم سریع برای محاسبه رفتار فاز ایزوترمال با استفاده از یادگیری ماشین
کلمات کلیدی
ترجمه چکیده
مدل های ترکیبی اغلب برای توصیف مایعات در شبیه سازی مخزن نفت، به ویژه برای شبیه سازی بهبود عملکرد روغن استفاده می شود. در حالی که مدل های ترکیبات دقیق تر از مدل های روغن سیاه هستند، هزینه های محاسباتی بیشتری را در بر می گیرد، به طور جزئی به دلیل محاسبات پیچیده ای از تعادل فاز و هزینه های طولانی تر می شود. در اینجا، ما یک الگوریتم برای کاهش هزینه های محاسبات تعادل فاز برای مدل های ترکیبی با استفاده از دو تکنیک یادگیری ماشین: ماشین های مجازی مرتبط و شبکه های عصبی مصنوعی ایجاد می کنیم. ما الگوریتم را بر روی سه مجموعه داده مایع آزمایش می کنیم و با یک خطای 0.01٪ و سرعت بیش از 90٪ با خطای حداکثر 5٪ پیدا می کنیم. این نتایج نشان می دهد که الگوریتم می تواند برای کاهش زمان اجرای کلی شبیه ساز مخزن ترکیب با تاثیر کوچک بر دقت استفاده شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی مهندسی شیمی (عمومی)
پیش نمایش مقاله
الگوریتم سریع برای محاسبه رفتار فاز ایزوترمال با استفاده از یادگیری ماشین
چکیده انگلیسی
Compositional models are frequently used to describe fluids in petroleum reservoir simulation, particularly for simulations of enhanced oil recovery. While compositional models are more accurate than black oil models, they incur a larger computational cost, in part, due to more complex phase-equilibrium calculations and can result in longer run times. Here, we develop an algorithm to reduce the cost of phase-equilibrium calculations for compositional models by applying two machine learning techniques: relevance vector machines and artificial neural networks. We test the algorithm on three fluid data sets and find a speedup of over 20% with an error of 0.01%, and a speedup of over 90% with a maximum error of 5%. These results suggest that the algorithm can be used to reduce the overall run time of compositional reservoir simulations with a small impact on accuracy.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Fluid Phase Equilibria - Volume 465, 15 June 2018, Pages 73-82
نویسندگان
, , ,