Prediction of oil flow rate through orifice flow meters: Optimized machine-learning techniques (Запись № 663661)

Подробно MARC
000 -Маркер
Поле контроля фиксированной длины 02768nlm1a2200385 4500
005 - Идентификатор версии
Поле контроля фиксированной длины 20231030041902.0
035 ## - Другие системные номера
Идентификатор записи (RuTPU)RU\TPU\network\34831
035 ## - Другие системные номера
Идентификатор записи RU\TPU\network\34449
100 ## - Данные общей обработки
Данные общей обработки 20210224a2021 k y0engy50 ba
101 0# - Язык ресурса
Язык текста, звукозаписи и т.д. английский
102 ## - Страна публикации или производства
Страна публикации
135 ## - Поле кодированных данных: электронные ресурсы
Кодированные данные для электронного ресурса drcn ---uucaa
181 #0 - Поле кодированных данных: вид содержания
Код вида содержания i
182 #0 - Поле кодированных данных: средство доступа
Код средства доступа electronic
200 1# - Заглавие и сведения об ответственности
Основное заглавие Prediction of oil flow rate through orifice flow meters: Optimized machine-learning techniques
Первые сведения об ответственности M. Farsi, B. H. Shojaei, D. Wood [et al.]
203 ## - Вид содержания и средство доступа
Вид содержания
Средство доступа
300 ## - Общие примечания
Текст примечания Title screen
330 ## - Резюме или реферат
Текст примечания Flow measurement is an essential requirement for monitoring and controlling oil movements through pipelines and facilities. However, delivering reliably accurate measurements through certain meters requires cumbersome calculations that can be simplified by using supervised machine learning techniques exploiting optimizers. In this study, a dataset of 6292 data records with seven input variables relating to oil flow through 40 pipelines plus processing facilities in southwestern Iran is evaluated with hybrid machine-learning-optimizer models to predict a wide range of oil flow rates (Qo) through orifice plate meters. Distance-weighted K-nearest-neighbor (DWKNN) and multi-layer perceptron (MLP) algorithms are coupled with artificial-bee colony (ABC) and firefly (FF) swarm-type optimizers. The two-stage ABC-DWKNN Plus MLP-FF model achieved the highest prediction accuracy (root mean square errors = 8.70 stock-tank barrels of oil per day) for oil flow rate through the orifice plates, thereby removing dependence on unreliable empirical formulas in such flow calculations.
333 ## - Примечания об особенностях распространения и использования
Текст примечания
461 ## - Уровень набора
Заглавие Measurement
463 ## - Уровень физической единицы
Заглавие Vol. 174
Обозначение тома [108943, 17 p.]
Дата публикации 2021
610 1# - Неконтролируемые предметные термины
Предметный термин электронный ресурс
610 1# - Неконтролируемые предметные термины
Предметный термин труды учёных ТПУ
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Farsi
Часть имени, кроме начального элемента ввода M.
Расширение инициалов личного имени Mohammad
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Shojaei
Часть имени, кроме начального элемента ввода B. H.
Расширение инициалов личного имени Barjouei Hossein
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Wood
Часть имени, кроме начального элемента ввода D.
Расширение инициалов личного имени David
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Ghorbani
Часть имени, кроме начального элемента ввода H.
Расширение инициалов личного имени Hamzeh
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Mohamadian
Часть имени, кроме начального элемента ввода N.
Расширение инициалов личного имени Nima
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Davoodi
Часть имени, кроме начального элемента ввода Sh.
Дополнения к именам, кроме дат specialist in the field of petroleum engineering
-- Research Engineer of Tomsk Polytechnic University
Даты 1990-
Расширение инициалов личного имени Shadfar
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\pers\46542
712 02 - Наименование организации – вторичная ответственность
Начальный элемент ввода Национальный исследовательский Томский политехнический университет
Структурное подразделение Инженерная школа природных ресурсов
-- Отделение нефтегазового дела
-- 8084
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\col\23546
801 #2 - Источник записи
Страна RU
Организация 63413507
Дата составления 20210224
Правила каталогизации RCR
856 4# - Местонахождение электронных ресурсов и доступ к ним
Универсальный идентификатор ресурса https://doi.org/10.1016/j.measurement.2020.108943
090 ## - System Control Numbers (Koha)
Koha biblioitem number (autogenerated) 663661
942 ## - Добавленные элементы ввода (Коха)
Тип документа Computer Files

Нет доступных единиц.