Modelling asphaltene precipitation titration data: A committee of machines and a group method of data handling
Notice bibliographique
Résumé
Abstract Asphaltene precipitation causes different problems in the oil industry. In this study, a large data bank was used to model asphaltene precipitation titration data as a function of temperature, type of solvent, and solvent to crude oil dilution ratio. Three multilayer perceptron (MLP) neural networks and three radial basis function (RBF) neural networks were developed to estimate asphaltene precipitation data. The MLP models were optimized with scaled conjugate gradient (SCG), Levenberg‐Marquardt (LM), and Bayesian regularization (BR) algorithms and the RBF models were optimized with the particle swarm optimization (PSO) algorithm, imperialist competitive algorithm (ICA), and genetic algorithm (GA). All of the proposed models show an acceptable degree of accuracy and have an average absolute percent relative error (AAPRE) less than 4 %. Afterwards, three of the best models including MLP‐LM, MLP‐BR, and RBF‐GA were combined and a committee machine intelligent system (CMIS) was designed, which offers a higher accuracy compared to the other intelligent models. Aside from these intelligent models, the group method of data handling (GMDH) was used to develop an explicit and simple expression for estimating asphaltene precipitation. The proposed CMIS and GMDH models were compared to models developed based on scaling theory and the results show that the proposed models in this study outperform pre‐existing models. The validity and accuracy of the CMIS and GMDH models were proven by statistical and graphical techniques. Finally, a sensitivity analysis suggested that the solvent to crude oil dilution ratio has the largest effect on asphaltene precipitation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».