在多相系统中使用中子激活分析和人工神经网络进行体积分数检测
R S F Dam1, W L Salgado1, C C Conti2
1Universidade Federal do Rio de Janeiro, Programa de Engenharia Nuclear (UFRJ/PEN), Avenida Horácio de Macedo, 2030, Bloco G, sala 206, 21941-914, Cidade Universitária, RJ, Brazil; Instituto de Engenharia Nuclear (IEN), Rua Hélio de Almeida 75, 21941-906, Cidade Universitária, RJ, Brazil.
概括
这项研究应用了人工神经网络 (ANN) 与快速马中子激活分析 (PGNAA) 来识别石油勘探中的流体. 该方法准确预测多相系统中的流体体积,达到92%以上的准确性.
科学领域:
- 核物理与工程 核物理与工程
- 人工智能和机器学习
- 石油工程是石油工程中的一个.
背景情况:
- 多相流量分析在石油勘探中至关重要.
- 精确的流体识别对于过程优化和安全至关重要.
- 传统方法在复杂的环状流程中可能面临挑战.
研究的目的:
- 开发和验证人工神经网络 (ANN) 模型,用于环状流中的流体检测.
- 将ANN与快速马中子激活分析 (PGNAA) 集成,以进行增强的多相系统分析.
- 评估ANN-PGNAA方法对盐水,石油和天然气混合物的准确性和概括能力.
主要方法:
- 利用MCNP6蒙特卡洛模拟来产生来自中子相互作用的马射线光谱.
- 模拟了一个Americium-241/Beryllium (Am-Be) 中子源用于光谱数据生成.
- 在模拟的光谱数据上训练了一个人工神经网络 (ANN),该数据代表了各种流体分数.
- 评估了ANN在独立数据集上的表现,以测试泛化.
主要成果:
- 该模型准确地预测了盐水,石油和天然气的体积分数.
- 该模型展示了强大的概括性,在未见的数据组合上表现良好.
- 超过92%的预测显示出不到5%的错误.
- 联合ANN和PGNAA方法在多相流体分析中被证明是有效的.
结论:
- 人工神经网络与PGNAA相结合,为多相环状流中的流体检测提供了一个高度准确的方法.
- 这种综合方法增强了对石油勘探相关的复杂系统的分析.
- 该研究验证了人工智能驱动的核分析技术在能源部门的潜力.
