优化的人工神经网络应用程序,用于估计溶液的石油回收因子,驱动气体的砂岩水库

科学领域:

• 石油工程是石油工程中的一个.
• 人工智能在水库管理中的应用

背景情况:

• 石油回收因子 (RF) 对于田地开发规划至关重要,但与水库属性有着复杂的关系.
• 人工神经网络 (ANN) 可以模拟这些复杂的相关性.

研究的目的:

• 开发一个更准确的ANN模型来预测石油回收因子 (RF).
• 优化ANN模型参数以提高相关性准确性.

主要方法:

• 数据预处理包括异常值的删除.
• 系统地选择输入参数,传输函数,神经元数和隐藏层.
• 用九个输入参数开发和验证一个ANN模型.

主要成果:

• 使用九个关键输入参数开发了一个优化的ANN模型.
• 一个触点sigmoid转移函数,30个神经元,和两个隐藏的层被确定为最佳.
• 拟议的ANN模型实现了0.91657的高相关系数,超过了以前的相关系数.

结论:

• 精细的ANN方法显著提高了石油回收因子预测的准确性.
• 这种改进的准确性支持更可靠的现场开发规划.