Прогнозування видобутку нафти в україні за допомогою адаптивних моделей

Н. В. Ічанська, М. В. Лисенко
{"title":"Прогнозування видобутку нафти в україні за допомогою адаптивних моделей","authors":"Н. В. Ічанська, М. В. Лисенко","doi":"10.24144/2616-7700.2023.42(1).164-173","DOIUrl":null,"url":null,"abstract":"У статті розглянуто моделювання життєвого циклу видобутку нафти. Проаналізовано\n сутність, переваги й недоліки цих під­ходів. Авторами розв’язано задачу апроксимації\n методами математичного моделювання: експоненційного вирівнювання, Хольта та\n прогнозування на основі нейромережевих технологій. У роботі надано класифікацію цих\n методів, зазначено важливість їх застосування з метою знаходження ефективних шляхів\n розв’язку проблем розвитку промислового комплексу та первинного сектору економіки\n України, базовою складовою якої є видобувна галузь. \n Розглянуте моделювання життєвих циклів видобутку нафти дає можливість відобразити\n прогноз у вигляді трикутного нечіткого числа, тобто вказати можливі очікувані значення.\n Адаптивні моделі прогнозування - це моделі, які використовують дисконтування даних і\n можуть швидко пристосовуватись до зміни умов, змінюючи свою структуру та параметри. \n Метод експоненційного вирівнювання ґрунтується на тому, що при прогнозуванні ряд\n динаміки показників вирівнюється  на основі зваженої ковзної середньої, де вагові\n коефіцієнти визначаються експоненційним законом розподілу. Для прогнозування на основі\n нейромережевих технологій використана нейронна мережа Feed-forward back propagation, що\n містить три прошарки нейронів – вхідний, проміжний та вихідний. У роботі показано, що\n найменше прогнозоване значення одержується при застосуванні методу експоненційного\n вирівнювання, дещо більше при застосування методу Хольта і найбільше при використанні\n нейронних мереж. ","PeriodicalId":33567,"journal":{"name":"Naukovii visnik Uzhgorods''kogo universitetu Seriia Matematika i informatika","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-05-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Naukovii visnik Uzhgorods''kogo universitetu Seriia Matematika i informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24144/2616-7700.2023.42(1).164-173","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

У статті розглянуто моделювання життєвого циклу видобутку нафти. Проаналізовано сутність, переваги й недоліки цих під­ходів. Авторами розв’язано задачу апроксимації методами математичного моделювання: експоненційного вирівнювання, Хольта та прогнозування на основі нейромережевих технологій. У роботі надано класифікацію цих методів, зазначено важливість їх застосування з метою знаходження ефективних шляхів розв’язку проблем розвитку промислового комплексу та первинного сектору економіки України, базовою складовою якої є видобувна галузь. Розглянуте моделювання життєвих циклів видобутку нафти дає можливість відобразити прогноз у вигляді трикутного нечіткого числа, тобто вказати можливі очікувані значення. Адаптивні моделі прогнозування - це моделі, які використовують дисконтування даних і можуть швидко пристосовуватись до зміни умов, змінюючи свою структуру та параметри. Метод експоненційного вирівнювання ґрунтується на тому, що при прогнозуванні ряд динаміки показників вирівнюється  на основі зваженої ковзної середньої, де вагові коефіцієнти визначаються експоненційним законом розподілу. Для прогнозування на основі нейромережевих технологій використана нейронна мережа Feed-forward back propagation, що містить три прошарки нейронів – вхідний, проміжний та вихідний. У роботі показано, що найменше прогнозоване значення одержується при застосуванні методу експоненційного вирівнювання, дещо більше при застосування методу Хольта і найбільше при використанні нейронних мереж. 
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
使用自适应模型的乌克兰预期石油产量
这篇文章着眼于建模石油开采的生命周期。分析了这些方法的实质、优点和缺点。作者解决了数学建模方法的任务:指数方程、Holt和基于神经技术的预测。这项工作对这些方法进行了分类,强调了应用这些方法的重要性,以便找到有效的方法来解决工业综合体和乌克兰第一经济部门的发展问题,采掘业的基本要素。考虑生命周期石油开采的建模允许您将预测可视化为一个三角形不清楚的数字,即指定可能的预期值。自适应预测模型是使用数据净化的模型,可以通过改变其结构和设置来快速适应不断变化的条件。指数方程方法基于这样一个事实:当预测指标的动态时,变量的动态是基于加权滚动平均来计算的,-其中权重由指数分布定律确定。在神经技术的基础上,采用神经元前馈-反向传播网络进行预测,该网络包含三层神经元:输入、中间和输出。研究表明,指数方程法预测值最小,Holt法预测值稍多,神经网络预测值最大。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
20
审稿时长
12 weeks
期刊最新文献
Контактна задача для нескінченного пружного неоднорідного стрингера і двох смуг з початковими напруженями Задача лексикографічної оптимізації з альтернативними критеріями та інтервальними обмеженнями допустимості Аналіз технік зменшення розмірності в машинному навчанні Прогнозування видобутку нафти в україні за допомогою адаптивних моделей Дифракція пружних хвиль на сферичних дефектах
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1