机器学习与物联网实现蒸汽驱优化以提升石油产量
机器学习
2019-09-02 v2 计算机与社会
机器学习
摘要
最近开发的机器学习技术，结合物联网（IoT），允许实现一种提高重油井石油产量的方法。蒸汽驱注入是一种广泛使用的提高石油采收率技术，利用热势和重力势就地调动和稀释重油以增加石油产量。与基于经典物理学原理的传统蒸汽驱模拟不同，我们在此引入一种使用尖端机器学习技术的方法，其有潜力提供更好的方式来描述蒸汽驱的性能。我们提出一种工作流来处理一类可用监督机器学习算法和 IoT 分析的时间序列数据。我们展示了该技术在蒸汽驱场景中预测石油产量的有效性。此外，我们构建了一个推荐最优蒸汽分配方案的优化系统，并表明其使石油产量提高了 3%。我们在云平台上开发了一个最小可行产品，能够实现实时数据收集、传输和存储，以及基于云的机器学习模型的训练与部署。该工作流也为具有类似时间序列数据结构的其他问题（如预测性维护）提供了适用的解决方案。
引用
@article{arxiv.1908.11319,
title = {Machine Learning and the Internet of Things Enable Steam Flood Optimization for Improved Oil Production},
author = {Mi Yan and Jonathan C. MacDonald and Chris T. Reaume and Wesley Cobb and Tamas Toth and Sarah S. Karthigan},
journal= {arXiv preprint arXiv:1908.11319},
year = {2019}
}
备注
Accepted by the 1st International Workshop on Artificial Intelligence of Things at KDD 2019