Możliwości wykorzystania sieci naeuronowych w analizie pracy sieci przesyłowej gazu ziemnego

• Autorzy: Kogut K.
• Języki publikacji: PL

Abstrakty

PL

W niniejszym opracowaniu przedstawiono próbę wykorzystania sieci neuronowych do przewidywania zmian ciśnienia podczas przepływu strumienia gazu przez rurę. W jednym z przykładów analizowano zmiany ciśnienia dla hipotetycznej sieci stworzonej przy pomocy programu komputerowego stosowanego do przeprowadzania obliczeń hydraulicznych gazociągów przesyłowych, natomiast w drugim analizowano zmiany ciśnienia dla rzeczywistego fragmentu sieci wysokiego ciśnienia.

Słowa kluczowe

PL

gaz ziemny; sieć przesyłowa; sieć neuronowa; sztuczna inteligencja

• Wydawca: Fluid Systems Sp. z o.o
• Czasopismo: Nowoczesne Gazownictwo
• Rocznik: 2004
• Tom: nr 3
• Strony: 5--8
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Kogut K.

• Akademia Górniczo-Hutnicza, Katedra Technologii Paliw, Wydział Paliw i Energii, al. Mickiewicza 30, 30-059 Kraków

Bibliografia

• [1] Kelner J. M.: Prognozowanie krótkoterminowe poborów gazu z sieci przesyłowych metodą sztucznych sieci neuronowych; Gaz, Woda i Technika Sanitarna, 2003, nr 6, str. 196-204.
• [2] Kogut K., Kusiak J.: Możliwości wykorzystania sieci neuronowych w przemyśle gazowniczym. Marketing w gazownictwie; Zakopane, 16-18 czerwiec 2004.
• [3] Mohaghegh S. D.: Neural Network: What It Can Do for Petroleum Engineers; Journal Petroleum Technology, 1995, nr 1, p. 42.
• [4] Mohaghegh S. D.: Yirtual-Intelligence Applications in Petroleum Engineering: Part 1 —Artificial Neural Networks; Journal Petroleum Technology, 2000, nr 9, pp 64-72.
• [5[. Mohaghegh S. D.: Virtual-Intelligence Applications in Petroleum Engineering: Part 2 — Evolutionary Computing; Journal Petroleum Technology, 2000, nr 10, pp 40-46.
• [6]. Mohaghegh S. D.: Yirtual-Intelligence Applications in Petroleum Engineering: Part 3 — Fuzzy Logic; Journal Petroleum Technology, 2000, nr 11, pp 82-87.
• [7]. Mohaghegh S. D.: Industry Intelligence E&P 'Gets Smart' with Yirtual Intelligence; The American Oil&Gas Reporter, 2001, nr 6, pp 77-83.
• [8]. Neuroth M., MacConnell P., Stronach F., Vamplew P.: Improved modeling and control of oil and gas transport facility operations using artiftcial intelligence; Knowledge-Based Systems, 2000, nr 13, pp 81-92.
• [9]. Osman E. A., Abdel-Wahhab O. A., Al-Marhoun M. A.: Prediction of Oil PYT Properties Using Neural Network; Publikacja SPE 68233, SPE Middle East Show, Bahrain, 17-20 March 2001.
• [10] Osowski S.: Sieci neuronowe do przetwarzania informacji; Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
• [11] Tadeusiewicz R.: Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami; Akademicka Oficyna Wydawnicza PLJ, Warszawa 1998.
• [12] Tadeusiewicz R.: Sieci neuronowe; Akademicka Oficyna Wydawnicza RM, Warszawa 1993.
• [13] Ternyik J., Bilgesu H. I., Mohaghegh S. D.: Yirtual Measure-ment in Pipes: Part I — Flowing Bottom Hole Pressure Under Multi-Phase Flow and Inclined Wellbore Condilions; Publikacja SPE 30975, SPE Eastern Regilon Conference and Exhibition, Morgantown, 17-21 September 1995.
• [14] Ternyik J., Bilgesu H. I., Mohaghegh S. D.: Virtual Measurement in Pipes: Part 2 — Liąuid Holdup and Flow Pattern Corelations; Publikacja SPE 30976, SPE Eastern Regional Conference and Exhibition, Morgantown, 17-21 September 1995.