Name: Analyse transitoire des débits via l'intelligence artificielle (en Francés)
SKU: 66151865
Price: 152170.00 COP
Availability: InStock
Author: Lu, Jia
ISBN: 9786209471360

portada Analyse transitoire des débits via l'intelligence artificielle (en Francés)

Analyse transitoire des débits via l'intelligence artificielle (en Francés)

Formato

Libro Físico

Editorial

Editions Notre Savoir

Autor

Lu, Jia

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.6 cm

ISBN13

9786209471360

Analyse transitoire des débits via l'intelligence artificielle (en Francés)

Lu, Jia (Autor) · Editions Notre Savoir · Tapa Blanda

Libro Nuevo Importado

Envío: 15 a 21 días háb.

$ 304.339$ 152.170

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Última Unidad

$ 152.170

¡Envío Gratis! Llega entre el 05 Oct y el 15 Oct a Bogota, Cundinamarca. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Analyse transitoire des débits via l'intelligence artificielle (en Francés)"

L'objectif de cette recherche est de développer un modèle mathématique servant d'outil d'estimation pour les réservoirs naturellement fracturés avec deux puits latéraux. L'outil proposé dans cette étude comprend un réseau neuronal artificiel (RNA) direct capable de prédire les données de production à partir des paramètres connus du réservoir et de la conception du puits. L'outil proposé comprend également un composant RNA inverse qui peut être utilisé pour prédire la perméabilité et la porosité de la matrice et de la fracture, ainsi que l'espacement des fractures et l'épaisseur du réservoir. Grâce à l'outil proposé, l'utilisateur serait en mesure d'analyser instantanément les données prédites du réservoir ou de la production à moindre coût et en moins de temps. Les logiciels utilisés pour développer l'outil sont MATLAB, EXCEL et un logiciel de modélisation commercial. Les procédures sont présentées et discutées dans les chapitres suivants, notamment la génération de données d'apprentissage, la sélection d'ensembles de données d'apprentissage, l'apprentissage des modèles ANN directs et inverses. De plus, une interface utilisateur graphique (GUI) est développée et assemblée pour chaque ANN, ce qui permet à l'utilisateur de visualiser les résultats sous forme numérique et graphique.