Wykorzystanie możliwości sieci neuronowych w prognozowaniu i sterowaniu pracą podziemnego magazynu gazu (PMG)

• Autorzy: Pańko A.

Warianty tytułu

EN

The use of the artificial neural networks to forecast and control work of Underground Gas Storage (UGS)

• Języki publikacji: PL

Abstrakty

PL

W pracy zaprezentowano możliwości wykorzystania sieci neuronowych do prognozowania średniego ciśnienia w magazynie, jak i ciśnienia dennego w poszczególnych odwiertach. Dokonano skrótowego omówienia sztucznych sieci neuronowych (SSN), a w szczególności: podstaw biologicznych, modelu sztucznego neuronu, wybranych rodzajów sieci neuronowych (liniowe, perceptron wielowarstwowy MLP, sieci o radialnych funkcjach bazowych RBF, sieci realizujących uogólnioną regresję GRNN, zespoły sieci), metod uczenia sieci (uczenie pod nadzorem, uczenie z krytykiem, uczenie samoorganizujące się) - omówiono podstawowe algorytmy uczenia (metoda wstecznej propagacji błędów, gradientów sprzężonych, Newtona, metoda Levenberga-Marquardta, algorytm k-średnich), oraz ich zastosowania. Zaprezentowano niezbędny zestaw danych (wraz z pre- i postprocessingiem, obejmującym miedzy innymi skalowanie zmiennych) na wejście sieci neuronowych, w celu przeprowadzenia procesu uczenia, a później prognozowania ciśnień w całym magazynie i poszczególnych odwiertach w kolejnych cyklach pracy magazynu. Na podstawie nauczonych sieci neuronowych wykonano prognozy ciśnienia w magazynie i w poszczególnych odwiertach.

EN

The paper presents using of the Artificial Neural Networks (ANN) to forecast average pressure in UGS and bottom hole pressure in individual wells. In this paper presents short discussion about Artificial Neural Networks. In particular: (1) biological neural networks, (2) model artificial neurons, (3) selected types ANN (linear networks, Multilayer Perceptron - MLP, Radial Basis Function - RBF, Generalized Regression Neural Networks - GRNN, set of neural networks), (4) learning methods (supervised learning, unsupervised learning) - basic learning algorithm e.g. Back Propagation Algorithm, gradient descent method, method Newtona, Levenberga-Marguardta, algorithm k-averages, (5) possible applications of neural network. The paper shows necessary set of data (together pre and postprocessing including among other things calibrate variables) on the input neural networks in order to their learning and later forecasting UGS average pressure and bottom hole pressure in wells in next cycle work. Using learnt neural networks carry out forecasting pressure for real examples of domestic Underground Gas Storage.

Słowa kluczowe

PL

podziemne magazyny gazu; sieci neuronowe

EN

Underground Gas Storage (UGS); neural networks

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Prace Instytutu Nafty i Gazu
• Rocznik: 2008
• Tom: nr 147
• Strony: 1--68
• Opis fizyczny: Bibliogr. 12 poz., rys., wykr.

Twórcy

autor

Pańko A.

• Instytut Nafty i Gazu

Bibliografia

• [1] Statistica Neural Network PL. StatSoft Polska, Kraków 2001.
• [2] Darłak B., Kowalska-Włodarczyk M., Such P.: Metodyka oceny własności zbiornikowych skał z zastosowaniem sieci neuronowych. Prace INiG Nr 97.
• [3] Darłak B., Kowalska-Włodarczyk M.: Zastosowanie sztucznej sieci neuronowej do uzupełnienia danych zbiornikowych. Przegląd Geologiczny Vol. 49, Nr 9, 797-803 s., 2001.
• [4] Darłak B., Kowalska-Włodarczyk M.: Niektóre problemy oceny właściwości skał zbiornikowych z wykorzystaniem sieci neuronowych. Prace INiG Nr-120, 2003.
• [5] Darłak B., Kowalska-Włodarczyk M.: Ocena możliwości stosowania metod sztucznej inteligencji do określania parametrów zbiornikowych utworów czerwonego spągowca. Archiwum INiG, Nr SK-4100-20/06.
• [6] Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Sieci neuronowe. Wydawnictwo Exit, 2000.
• [7] Hertz J., Krough A., Palmer R.G.: Wstęp do teorii obliczeń neuronowych. Wydawnictwo Naukowo-Techniczne, Warszawa 1993.
• [8] Korbisz J., Obuchowicz A., Uciński D.: Sztuczne sieci neuronowe. Podstawy i zastosowania. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994.
• [9] Kosiński R.A.: Sztuczne sieci neuronowe. Wydawnictwo Naukowo Techniczne, Warszawa 2007.
• [10] Masters T.: Sieci neuronowe w praktyce. Wydawnictwo Naukowo-Techniczne, Warszawa 1993.
• [11] Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa 1993.
• [12] Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. Wydawnictwo Naukowe PWN, Warszawa 1996.