دانلود مقاله انگلیسی رایگان:برنامه ریزی حسگر نظری اطلاعات برای نظارت بر تولید در مقیاس بزرگ از طریق یادگیری تقویت عمیق - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Information-theoretic sensor planning for large-scale production surveillance via deep reinforcement learning Information-theoretic sensor planning for large-scale production surveillance via deep reinforcement learning
    Information-theoretic sensor planning for large-scale production surveillance via deep reinforcement learning

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Information-theoretic sensor planning for large-scale production surveillance via deep reinforcement learning


    ترجمه فارسی عنوان مقاله:

    برنامه ریزی حسگر نظری اطلاعات برای نظارت بر تولید در مقیاس بزرگ از طریق یادگیری تقویت عمیق


    منبع:

    Sciencedirect - Elsevier - Computers and Chemical Engineering, 141 (2020) 106988. doi:10.1016/j.compchemeng.2020.106988


    نویسنده:

    Ashutosh Tewari ∗, Kuang-Hung Liu , Dimitri Papageorgiou


    چکیده انگلیسی:

    Production surveillance is the task of monitoring oil and gas production from every well in a hydrocar- bon field. Accurate surveillance is a basic necessity for several reasons that include improved resource management, better equipment health monitoring, reduced operational cost, and ultimately optimal hy- drocarbon production. A key challenge in this task, especially for large fields with many wells, is the measurement of multiphase fluid flow using a limited number of noisy sensors of varying characteristics. Current surveillance practices are based on fixed utilization schedules of such flow sensors, which rarely change over time. Such a passive mode of sensing is completely agnostic to surveillance performance and thus often fails to achieve a desired accuracy. Here we propose an active surveillance approach, under- pinned by the concept of value of information -based sensing. Borrowing some well-known concepts from Markov decision processes, reinforcement learning and artificial neural networks, we demonstrate that a practical active surveillance strategy can be devised, which can not only improve surveillance perfor- mance significantly, but also reduce usage of flow sensors.
    Keywords: Active sensing | Deep reinforcement learning | Markov decision process | Production surveillance | Sensor resource management


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 2029 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi