Журнал нефтяной и экологической биотехнологии

Абстрактный

Успешное внедрение искусственного интеллекта и машинного обучения в интеллектуальное прокси-моделирование многофазного потока: два тематических исследования моделей CFD газ-жидкость и газ-твердое тело

Амир Ансари, С. Сина Хоссейни Бусари, Шахаб Д. Мохагех

Практически невозможно решить современные проблемы потока жидкости без использования вычислительной гидродинамики (CFD). В нефтяной промышленности моделирование потока помогает инженерам разрабатывать наиболее эффективную конструкцию скважин, и важно понимать детали многофазного потока. Однако, несмотря на высокую точность, выполнение численного моделирования не обеспечивает требуемых результатов в установленные сроки. В этой статье представлены два тематических исследования интеллектуальных прокси-моделей (SPM), использующих методы искусственного интеллекта (AI) и машинного обучения (ML) для оценки поведения хаотической системы и прогнозирования динамических характеристик, включая давление, скорость и эволюцию фазовой фракции в процессе на каждом временном шаге при гораздо более коротком времени выполнения. Предлагаемые случаи сосредоточены на 2-мерных задачах прорыва плотины и 3-мерных задачах псевдоожиженного слоя с использованием OpenFOAM и MFiX, программных приложений CFD соответственно. В этой статье основное внимание уделяется построению и совершенствованию моделей искусственной нейронной сети (ANN), характеризующихся методом прямого распространения и алгоритмом Левенберга-Марквардта (LMA). Каждое исследование случая содержит несколько сценариев для постепенного улучшения возможностей модели для прогнозирования динамических параметров. Результаты для обоих случаев показывают, что 8-10 часов вычислительного времени для запуска моделирования CFD сокращаются до нескольких минут, когда это делается с помощью разработанных моделей на основе ИИ, с погрешностью менее 10% для всего процесса.