石油与环境生物技术杂志

抽象的

人工智能与机器学习在多相流智能代理建模中的成功应用：气液和气固 CFD 模型的两个案例研究

Amir Ansari、S. Sina Hosseini Boosari、Shahab D. Mohaghegh

如果不使用计算流体力学 (CFD)，几乎不可能解决现代流体流动问题。在石油工业中，流动模拟可帮助工程师开发最有效的井设计，了解多相流细节至关重要。然而，尽管精度很高，但进行数值模拟仍无法及时提供所需的结果。本文介绍了智能代理模型 (SPM) 的两个案例研究，利用人工智能 (AI) 和机器学习 (ML) 技术来评估混沌系统的行为，并在更短的运行时间内预测每个时间步骤中过程内的动态特征，包括压力、速度和相分数的演变。提出的案例分别集中在 2-D 溃坝和 3-D 流化床问题上，使用 OpenFOAM 和 MFiX、CFD 软件应用程序。本文重点介绍构建和改进以前馈反向传播方法和 Levenberg-Marquardt 算法 (LMA) 为特征的人工神经网络 (ANN) 模型。每个案例研究包含多个场景，以逐步增强模型预测动态参数的能力。两种情况的结果表明，运行 CFD 模拟的计算时间原本需要 8-10 小时，而使用基于 AI 的开发模型则可减少到几分钟，整个过程的误差小于 10%。