基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
应用人工神经网络(ANN)模型对泥浆类型、压力和温度的函数——泥浆密度进行准确预测。采用压力在O~14000lb/in^2范围内和温度高达400°F的水基和油基钻井液实验测量的数据来建立和检验ANN模型。利用钻井泥浆类型(水基或油基)以及它在标准状况下(Olb/in^2和70°F)的密度建立的模型对任何温度和压力(在研究范围内)下的密度进行了预测,其平均绝对误差百分比为O.367,均方根误差为O.0056,相关系数为O.9998。
推荐文章
临界热流密度的人工神经网络预测法
临界热流密度
人工神经网络
压力
质量流速
热平衡含汽量
上海市景观格局的人工神经网络(ANN)模型
上海市
城市化
景观格局
人工神经网络
驱动机制
浮游植物密度的人工神经网络预测研究
赤潮
浮游植物密度
人工神经网络
遗传算法
预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 通过人工神经网络(ANN)简单而准确地确定随压力和温度变化的钻井泥浆密度
来源期刊 国外油田工程 学科 工学
关键词 钻井泥浆 油基钻井液 压力 泥浆密度 水基 温度变化 状况 准确 函数 ANN模型
年,卷(期) gwytgcb_2004,(12) 所属期刊栏目
研究方向 页码范围 28-31
页数 4页 分类号 TE254
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
钻井泥浆
油基钻井液
压力
泥浆密度
水基
温度变化
状况
准确
函数
ANN模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
国外油田工程
月刊
1002-641X
23-1290/TE
大庆油田设计院<国外油田工程>编辑部
出版文献量(篇)
3925
总下载数(次)
5
论文1v1指导