A Method for Predicting the Gel Point of Mixed Crude Oil Based on Deep Learning
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Accurately predicting the gel point of mixed crude oil is crucial for efficient pipeline transportation and blockage prevention. Traditional manual methods are inadequate for real-time monitoring. This study introduces an accurate prediction model for the gel point of mixed crude oil using a hybrid deep learning model that combines Graph Connection-Skip Neural Networks (GCSGCN) and Gated Recurrent Units (GRU). Using physical properties data (gel point, viscosity, density) from an oil mixing station in China (2009-2023), the proposed model outperforms empirical formulas and machine learning models like XGBoost.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A Method for Predicting the Gel Point of Mixed Crude Oil Based on Deep Learning
- Date Crossref
- 22/11/2024
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
China University of Petroleum pays non établi dans la noticeUniversité ou école supérieure
-
PipeChina West Pipeline Co. Ltd pays non établi dans la noticeEntreprise
China University of Petroleum et PipeChina West Pipeline Co. Ltd.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.