Hybrid machine learning algorithms to predict condensate viscosity in the near wellbore regions of gas condensate reservoirs (Запись № 665379)
[ простой вид ]
| 000 -Маркер | |
|---|---|
| Поле контроля фиксированной длины | 04164nlm1a2200517 4500 |
| 005 - Идентификатор версии | |
| Поле контроля фиксированной длины | 20231030042001.0 |
| 035 ## - Другие системные номера | |
| Идентификатор записи | (RuTPU)RU\TPU\network\36578 |
| 035 ## - Другие системные номера | |
| Идентификатор записи | RU\TPU\network\33974 |
| 100 ## - Данные общей обработки | |
| Данные общей обработки | 20210921a2021 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 | Hybrid machine learning algorithms to predict condensate viscosity in the near wellbore regions of gas condensate reservoirs |
| Первые сведения об ответственности | Behesht Abad Abouzar Rajabi, M. Mousavi Seyedmohammadvahid, N. Mohamadian [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 | Gas condensate reservoirs display unique phase behavior and are highly sensitive to reservoir pressure changes. This makes it difficult to determine their PVT characteristics, including their condensate viscosity, which is a key variable in determining their flow behavior. In this study, a novel machine learning approach is developed to predict condensate viscosity in the near wellbore regions ([mu]c) from five input variables: pressure (P), temperature (T), initial gas to condensate ratio (RS), gas specific gravity ([gamma]g), and condensate gravity (API). Due to the absence of accurate recombination methods for determining [mu]c machine learning methods offer a useful alternative approach. Nine machine learning and hybrid machine learning algorithms are evaluated including novel mul-tiple extreme learning machine (MELM), least squares support vector machine (LSSVM) and multi-layer per-ceptron (MLP) and each hybridized with a particle swarm optimizer (PSO) and genetic algorithm (GA). The new MELM algorithm has some advantages including 1) rapid execution, 2) high accuracy, 3) simple training, 4) avoidance of overfitting, 5) non-linear conversion during training, 6) no trapping at local optima, 6) fewer optimization steps than SVM and LSSVM. Combining MELM with PSO, to find the best control parameters, further improves its performance. Analysis indicates that the MELM-PSO model provides the highest μc predic-tion accuracy achieving a root mean squared error (RMSE) of 0.0035 cP and a coefficient of determination (R2) of 0.9931 for a dataset of 2269 data records compiled from gas-condensate fields around the world. The MELM-PSO algorithm generates no outlying data predictions. Spearman correlation coefficient analysis identifies that P, [gamma]g and Rs are the most influential variables in terms of condensate viscosity based on the large dataset studied. |
| 333 ## - Примечания об особенностях распространения и использования | |
| Текст примечания | |
| 461 ## - Уровень набора | |
| Заглавие | Journal of Natural Gas Science and Engineering |
| 463 ## - Уровень физической единицы | |
| Заглавие | Vol. 95 |
| Обозначение тома | [104210, 26 p.] |
| Дата публикации | 2021 |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | электронный ресурс |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | труды учёных ТПУ |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | hybrid machine learning algorithms |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | gas condensate viscosity |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | multi-layer extreme learning machine |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | multilayer perceptron |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | least squares support vector machine |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | алгоритмы |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | машинное обучение |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | вязкость |
| 610 1# - Неконтролируемые предметные термины | |
| Предметный термин | газовые конденсаты |
| 701 #0 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Behesht Abad Abouzar Rajabi |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Mousavi Seyedmohammadvahid |
| Часть имени, кроме начального элемента ввода | M. |
| 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 | Wood |
| Часть имени, кроме начального элемента ввода | D. А. |
| Расширение инициалов личного имени | David |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Ghorbani |
| Расширение инициалов личного имени | Hamzeh |
| 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 |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Ahmadi |
| Часть имени, кроме начального элемента ввода | A. M. |
| Расширение инициалов личного имени | Alvar Mehdi |
| 701 #1 - Имя лица – альтернативная ответственность | |
| Начальный элемент ввода | Shahbazi |
| Часть имени, кроме начального элемента ввода | Kh. |
| Расширение инициалов личного имени | Khalil |
| 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 | 20210921 |
| Правила каталогизации | RCR |
| 856 4# - Местонахождение электронных ресурсов и доступ к ним | |
| Универсальный идентификатор ресурса | https://doi.org/10.1016/j.jngse.2021.104210 |
| 090 ## - System Control Numbers (Koha) | |
| Koha biblioitem number (autogenerated) | 665379 |
| 942 ## - Добавленные элементы ввода (Коха) | |
| Тип документа | Computer Files |
Нет доступных единиц.