机器学习在气体放空中的应用
机器学习
2023-01-12 v1 应用统计
摘要
当前在石油工业中，作业者常将产出的气体放空而非商品化。某些州的放空量巨大，造成了能源浪费和 CO2 排放问题。在北达科他州，作业者被要求估算并报告放空体积。问题是，该报告的质量如何，以及从中可得出什么见解？除北达科他州工业委员会（NDIC）提供的公司报告统计外，放空体积可通过卫星遥感估算，作为无偏基准。由于 Landsat 8 影像的解释受辉光伪影干扰，故采用基于可见光红外成像辐射仪套件（VIIRS）的估算体积。执行逆地理编码以在不同层级（如县和油田）比较和对照 NDIC 与 VIIRS 数据。在收集并预处理所有数据后，通过 MCMC 方法实现的贝叶斯学习用于解决三个问题：县级模型开发、放空时间序列分析和分布估计。首先，不同县之间 NDIC 与 VIIRS 体积间的关联存在异质性。有鉴于此，利用层次模型为每个县开发模型。其次，放空时间序列尽管有噪声，但包含有关趋势和模式的信息，为作业者方法提供一些见解。发现高斯过程在许多不同模式识别场景中有效。第三，通过无监督学习获得分布见解。发现负二项分布和高斯混合模型（GMMs）分别有效描述油田放空计数和放空体积分布。最后，介绍了一种基于最近邻的作业者层级监测与分析方法。
引用
@article{arxiv.2301.04141,
title = {Application of machine learning to gas flaring},
author = {Rong Lu},
journal= {arXiv preprint arXiv:2301.04141},
year = {2023}
}
备注
Doctoral dissertation, Colorado School of Mines, 2020. See https://hdl.handle.net/11124/176331