机器学习在天然气行业的应用

The Application of Machine Learning in the Natural Gas Industry

下载PDF

导出

摘要随着信息化的深入发展,机器学习方法迅速普及,也逐渐应用于天然气行业,为该行业研究带来新的发展。本文对机器学习在天然气行业产业链上游、中游和下游的应用进行详细梳理和对比,总结了机器学习在该行业发展的优势以及在数据准确性、模型解释性等方面的局限,进而提出了机器学习在天然气行业未来发展的推进方案。

作者谢雨桐王勋郭蕙心铁宇 Xie Yutong;Wang Xun;Guo Huixin;Tie Yu

机构地区北京市燃气集团研究院

出处《城市燃气》 2023年第10期21-25,共5页 Urban Gas

关键词天然气机器学习能源变革应用

分类号 F426.22 [经济管理—产业经济] TP181 [自动化与计算机技术—控制理论与控制工程] TE319 [自动化与计算机技术—控制科学与工程]

引文网络
相关文献

参考文献13

1周淑慧,孙慧,梁严,昝光杰,刘勇,刘晓娟.“双碳”目标下“十四五”天然气发展机遇与挑战[J].油气与新能源,2021,33(3):27-36. 被引量：49
2赵堂玉.2020年中国天然气产业链发展回顾及展望[J].油气储运,2021,40(4):371-376. 被引量：21
3彭莎,孙铭阳,张镇勇,邓瑞龙,程鹏.机器学习在电力信息物理系统网络安全中的应用[J].电力系统自动化,2022,46(9):200-215. 被引量：19
4郭长杰,王浩翔,刘晓,张春生.浅析机器学习技术在油气行业的应用场景[J].信息系统工程,2017,30(5):100-103. 被引量：11
5李良,薛媛,高源,苏建华,蔡少锋.基于机器学习的勘探开发数据质控方法研究[J].信息系统工程,2021,34(4):146-147. 被引量：1
6李菊花,陈晨,肖佳林.基于随机森林算法的页岩气多段压裂井产量预测[J].长江大学学报（自然科学版）,2020,17(4):34-38. 被引量：5
7严子铭,王涛,柳占立,庄茁.基于机器学习的页岩气采收率预测方法[J].固体力学学报,2021,42(3):221-232. 被引量：10
8张庆,何封,何佑伟.基于机器学习的页岩气井井间干扰评价及预测[J].油气藏评价与开发,2022,12(3):487-495. 被引量：10
9傅敏,宋晓健,范劲松,张建刚,李彭.基于数字滤波算法的天然气管道运行监控[J].油气田地面工程,2019,38(A01):154-158. 被引量：1
10尤诚程.机器学习在天然气泄漏检测中的应用展望[J].中国石油和化工标准与质量,2021,41(20):49-50. 被引量：2

二级参考文献119

1李孥,王建良.新冠肺炎疫情对天然气行业影响评估[J].煤炭经济研究,2020,0(4):17-22. 被引量：4
2许宪春,唐雅,胡远宁.2020年中国经济形势分析与2021年展望[J].经济学动态,2021(1):35-48. 被引量：5
3周淑慧.国家管网集团全面接管油气管网资产中国油气管网运行机制开启新时代[J].国际石油经济,2021(1):53-55. 被引量：7
4冯保国.石油企业转型发展的基本问题[J].国际石油经济,2021(1):15-27. 被引量：2
5李维,代锋,左星.存在井间干扰的页岩气井精细控压技术应用[J].钻采工艺,2019,42(5):103-105. 被引量：4
6金伟良,张恩勇,邵剑文,刘德华.海底管道失效原因分析及其对策[J].科技通报,2004,20(6):529-533. 被引量：69
7施聪莺,徐朝军,杨晓江.TFIDF算法研究综述[J].计算机应用,2009,29(B06):167-170. 被引量：218
8夏火松,陶敏,王一,魏翔.停用词表对基于SVM的中文文本情感分类的影响[J].情报学报,2011,30(4):347-352. 被引量：6
9於东军,吴小俊,HANCOCK Edwin R,杨静宇.广义SOM及其在人脸性别识别中的应用[J].计算机学报,2011,34(9):1719-1725. 被引量：9
10吕奎,孔益平,周宇,何华刚.天然气管道风险分析及应急管理[J].安全与环境工程,2012,19(2):117-121. 被引量：24

共引文献144

1苏展.全球地下储气库发展趋势研究及对我国储气调峰体系建设的启示[J].质量与市场,2021(7):143-145. 被引量：4
2李飞宏,肖迎群.基于EMD-TCN-ELM的短期电力负荷预测[J].计算机系统应用,2022,31(11):223-229. 被引量：7
3邹博丞.天然气销售企业与工业用户互联信息系统的构建[J].石油知识,2023(5):42-43.
4吴盾,魏超,李云飞.城市地下埋管自来水的常规水化学与氢氧同位素特征分析[J].给水排水,2022,48(S01):1010-1018. 被引量：1
5刘占领,黄远远.基于海上风电结构安全监测系统的研究[J].船舶工程,2024,46(S01):166-171.
6李航,朱兴珊,孔令峰,王利宁,樊慧,向征艰.“双碳”目标下中国天然气行业高质量发展建议[J].国际石油经济,2022,30(8):16-22. 被引量：18
7谷建伟,任燕龙,王依科,刘巍.基于机器学习的平面剩余油分布预测方法[J].中国石油大学学报（自然科学版）,2020,44(4):39-46. 被引量：24
8李彦尊,白玉湖,陈桂华,徐兵祥,陈岭,董志强.基于人工神经网络方法的页岩油气产量预测新技术——以美国Eagle Ford页岩油气田为例[J].中国海上油气,2020,32(4):104-110. 被引量：16
9王晰墨.基于词汇的微博情感分类分析新方法[J].电子技术与软件工程,2020(11):158-159.
10蒋国璋,张翼翔,向峰,李公法.基于售后服务记录的卡车动力转向系统漏油分析与预测[J].武汉科技大学学报,2020,43(5):362-369. 被引量：1

1余璇.乡村能源变革中的突围[J].中国电业与能源,2023(8):16-19.
2国家能源局:继续大力推进可再生能源发展[J].中国设备工程,2023(19):1-1.
3罗敏玲.发电企业业财融合中存在的问题及优化措施分析[J].企业改革与管理,2023(14):172-174.
4耿玉波.专题导读[J].邮电设计技术,2023(9).
5高正晓,樊忠洋.电力工程技术在智能电网建设中的应用研究[J].中国设备工程,2023(18):26-28. 被引量：10
6胡彬枫,赵晶晶.全球绿氢产业现状及未来发展趋势[J].国际工程与劳务,2023(10):58-61. 被引量：3
7孙秋野,房方,彭道刚,陈皓勇,曹生现.特约主编寄语[J].发电技术,2023,44(5).
8陈萌.在准确把握“六个必须坚持”中扎实推进共同富裕:核心要义与实践路径[J].学术探索,2023(8):28-34. 被引量：1
9本刊编辑部.大力开发利用清洁能源助力绿色低碳高质量发展[J].农村电气化,2023(10).
10何己派.北方华创增收[J].21世纪商业评论,2023(8):54-55.

城市燃气

2023年第10期

浏览历史

内容加载中请稍等...

机器学习在天然气行业的应用

参考文献13

二级参考文献119

共引文献144

相关作者

相关机构

相关主题

浏览历史