 |
А. Р. Мухутдинов, М. Г. Ефимов, З. Р. Вахидова "Нейросетевое моделирование процесса поддержания температуры после нагрева битуминозного пласта" |
 |
|
Аннотация.
В данной работе изучена и показана возможность нейросетевого моделирования процесса поддержания температуры после нагрева битуминозного пласта. Целью работы является апробация разработанного экспресс-метода создания ИНС, особенностью которого является малое количество тренировочных примеров в базе знаний и разработка нейросетевой модели процесса поддержания максимальной температуры битуминозного пласта и прикладного программного модуля на ее основе для проведения вычислительного эксперимента. Представлены результаты исследования влияния различных факторов на процесс поддержания температуры после нагрева.
Ключевые слова:
искусственная нейронная сеть, моделирование, битуминозный пласт, программный модуль, нагрев, энергонасыщенный материал, расстояние, масса.
Стр. 84-90.
DOI 10.14357/20718632220209 Литература
1. Муслимов Р.Х. Стратегия развития нефтебитумного комплекса Татарстана в направлении воспроизводства ресурсной базы углеводородов / Р.Х. Муслимов, Г. В. Романов, Г. П. Каюкова, Т. Н. Юсупова, Н. И. Искрицкая, С. М. Петров // Нефть. Газ. Новации. – 2012, № 2. С. 21-29. 2. Кудинов В.И. Новые технологии повышения нефтеотдачи на месторождениях с высоковязкими нефтями // Нефтяное хозяйство. – 2002, Вып. 5. С. 92-95. 3. Гупта П. Результаты внутрипластового горения / Гупта П., Дориах А., Рэй С. // Нефтегазовые технологии. – 2008. – Март. – Вып. 3. – С. 12-15. 4. Поисковые исследования по созданию изделий для прогрева битуминозного пласта: отчет о НИР / В.М. Бочков, И.Ф.Садыков; Г.И. Шешуков, Г.П. Фролов; И.М. Сабитов, И.А. Гайнутдинов. – Казань: Каз. Хим.-технол. инст. 1997. – С. 6-24. 5. Мухутдинов А.Р., Ефимов М.Г., Вахидова З.Р. Повышение эффективности энергонасыщенных материалов для разработки месторождений битуминозной нефти за счет использования современных информационных технологий // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2021. № 6. С. 19-22. 6. Smirnov A., Levashova T., Shilov N., Krizhanovsky A. Knowledge Fusion in Context-aware Decision Support: Ontology-based Modeling and Patterns // In: Recent Developments and New Directions in Soft Computing, eds. by L.A. Zadeh et al. - Studies in Fuzziness and Soft Computing, vol. 317. Springer International Publishing Switzerland, 2014. pp. 35–52. 7. Финн В.К. Интеллект, информационное общество, гуманитарное знание и образование. – М.: URSS, 2021. — 504 с. 8. Yue Wang, Intelligent Simulation of Children’s Psychological Path Selection Based on Chaotic Neural Network Algorithm", Computational Intelligence and Neuroscience, 2021, pp. 1-9. 9. Lijuan Luo, Shaozhi Hong, Shanshan Shang, Xiaoli Zhou, Junyu Yang, Yu Pan, Intelligent Boarding Modelling and Evaluation: A Simulation-Based Approach, Journal of Advanced Transportation, 2021, pp. 1-12. 10. Мухутдинов А.Р. Нейросетевое моделирование и оптимизация сложных процессов и наукоемкого теплоэнергетического оборудования / А.Р. Мухутдинов, Г.Н. Марченко, З.Р. Вахидова. – Казань: Казан. гос. энерг. ун-т, 2011. – 296 с. 11. Мухутдинов А.Р., Ефимов М.Г. Нейросетевой подход для оптимизации состава твердого топлива по скорости горения // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2019. №4. С. 25-29. 12. Мухутдинов А.Р., Садыков М.И., Ефимов М.Г. Оптимизация рецептуры твердого топлива с использованием компьютерных технологий // Стратегическая стабильность. 2018. № 4. С. 64-66.
|
