Моделирование технологических процессов подготовки природного газа нечеткими системами тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Мыльцев, Владислав Алексеевич

• Мыльцев, Владислав Алексеевич
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Мыльцев, Владислав Алексеевич

Ведение

Глава 1. Гидродинамические и массообменные процессы при осушке природного газа.

1.1. Физические основы абсорбционного процесса.

1.2. Осушка природных газов.

1.3. Расчет осушки с применением аппроксимирующих формул.

1.4. Факторы, влияющие на процесс осушки природного газа.

1.5. Гидродинамика и массообмен газожидкостных потоков в аппаратах осушки газа.

1.5.1. Основные характеристики газолсидкостных потоков

1.5.2. Уравнения для расчета параметров дисперсно-пленочного потока.

1.5.3. Процесс уноса капель с поверхности пленки.

1.6. Постановка цели и задач исследований.

Глава 2. Моделирование производственно-технических процессов на основе нечетких систем.

2.1. Модели на основе нечетких сетей.

2.1.1. Пршщипы построения нечеткой причинно-следственной сети.

2.1.2. Задание функций принадлежности.

2.1.3. Представление подсистем нейронной сетью.

2.1.4. Приведение подсистемы к набору правил.

2.1.5. Onepaifuu нечеткого логического вывода.

2.2. Адаптация и оптимизация сложных систем.

2.3. Задачи принятия решений по векторному критерию.

Глава 3. Нечеткие системы моделирования технологического процесса подготовки природного газа.

3.1. Проблемы идентификации нечеткой модели.

3.2. Применение генетических алгоритмов с вещественным кроссовером для обучения нечетких систем.

3.3. Многокритериальная оптимизация генетическими алгоритмами.

3.4. Решение систем нелинейных алгебраических уравнений генетическим алгоритмом.

3.5. Структурная оптимизация с применением генетического алгоритма

3.6. Имитационная модель технологического процесса подготовки природного газа.

Введение диссертации (часть автореферата) на тему «Моделирование технологических процессов подготовки природного газа нечеткими системами»

Актуальность темы. В России газовая промышленность в настоящее время является важнейшей отраслью народного хозяйства. Применение газа в качестве энергоресурса повышает эффективность технологических процессов, повышает производительность труда. Одновременно природный газ является незаменимым сырьем для химической промышленности и топливом для населения. Развитие газодобывающей промышленности связано с эксплуатацией и сооружением крупных промыслов и созданием мощных магистральных газопроводов. На газовых промыслах организуется комплексная обработка и подготовка газа к дальнему транспорту. Технологическое и аппаратурное оформление промышленных процессов чрезвычайно многообразно и требует внедрения автоматизированных систем управления. Одинаковые по своей физической природе процессы могут применяться на различных стадиях технологического процесса. Для обеспечения высокого качества продукции и необходимых свойств требует решения задач в области управления производством, проектирования, анализа, прогнозирования и регулирования разработки газовых и газоконденсатных месторождений.

Научные основы разработки газовых месторождений в России созданы академиком JI.C. Лейбензоном. Основополагающий вклад в создание теории разработки газовых месторождений внесли Б.Б. Лапук, В.П. Савченко, А.Л. Козлов, Н.М. Николаевский. Теоретические и практические вопросы газодобычи нашли отражение в работах С.Н.Закирова, М.Х. Шахназарова, И.Н. Стрижова, P.M. Тер-Саркисова, А.Х. Мирзаджанзаде, М.Т. Абасова. Значительный вклад в технологическое совершенствование процессов подготовки газа внесли Г.А. Ланчаков, Г.К. Зиберт, А.И. Скобло и др.

Вода, присутствующая в газе в парообразном состоянии, образует с метаном, этаном и пропаном гидраты углеводородов, оседающие в газопроводе в виде твердой фазы. Для избежания образования гидратов, нужно осушить газ при подготовке газа в промысловых условиях. Полный расчет всей технологической цепочки подготовки природного газа чрезвычайно сложен. Для многостадийных процессов, в которых многостадийных процессов, в которых осуществляются разнообразные физические, химические явления, построение детерминированных математических моделей становится очень сложной задачей. В таких случаях возможны подходы, основанные на методах системного моделирования.

В условиях имеющейся неопределенности воздействия множества факторов на производственные процессы, применение подходов системного моделирования, таких как методы нечеткой логики, нейросетевые методы, эволюционные алгоритмы, является актуальной задачей.

Объектом исследования являются технологические процессы и аппараты подготовки природного газа к транспорту в промысловых условиях.

Предметом исследования являются методическое обеспечение расчетов и проектирования технологических процессов осушки природного газа; методы нечеткого моделирования сложных систем; математическое описание алгоритмов и методов оптимизации.

Целью работы является проведение комплексных исследований, направленных на получение научно-обоснованных технических и методических решений по разработке и обоснованию возможности моделирования сложных технологических процессов подготовки природного газа нечеткими и нейронными сетями, обучение которых осуществляется эволюционными методами многокритериальной оптимизации, что позволит установить основные факторы, влияющие на параметры осушки газа, а также даст возможность провести структурную и параметрическую оптимизацию производства, направленную на повышение уровня качества подготовки природного газа

Для реализации поставленной цели необходимо решить следующие задачи:

- систематизация физических процессов, протекающих в технологической цепи подготовки природного газа;

- определение зависимости влагосодержания природного газа от термодинамических параметров с помощью нейронных сетей типа многослойного персептрона;

- выработка научно-технических решений для построения нечетких причинно-следственных сетей, моделирующих сложные технологические процессы осушки газа;

- разработка эффективного метода обучения нечетких сетей на основе генетического алгоритма с вещественным кодированием, позволяющего решать задачи многокритериальной оптимизации;

- построение имитационной модели технологического процесса подготовки природного газа на основе эмпирических и экспертных данных.

Методы исследования. В работе применялись методы системного анализа и извлечения знаний из эмпирических данных.

При построении причинно-следственной сети, моделирующей технологические процессы подготовки газа, использовались методы нечеткой логики и нейросетевые методы. Обучение системы и идентификация моделей проводились на основе теоретических методов структурно-параметрической адаптации.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, а также данными процесса промысловой подготовки природного газа Сеноманской залежи.

Математические модели и алгоритмы, используемые в работе, основаны на положениях теории обычных и нечетких множеств, на методах теоретической и экспериментальной гидродинамики, а также на фундаментальных основах построения экспертных систем.

Научная новизна результатов диссертационного исследования, полученных лично автором:

1. Рассмотрен способ построения и подход к проблемно-целевому анализу сложных организационно-технических систем на основе нечеткого моделирования. Для этого некоторый производственно-технологический процесс представлен в виде нечеткой причинно-следственной сети содержащей множество элементов и множество связей между ними. В этом случае, моделируемая система представляется в виде совокупности элементов и подсистем, связанных между собой нечеткими связями. В результате последовательное осуществление нечеткого логического вывода приводит к реакции выходных сигналов на изменение входных сигналов и внешних условий.

2. Предложен метод обучения нечетких сетевых моделей с применением генетического алгоритма с вещественным кодированием. Применение вещественного кодирования в генетических алгоритмах может повысило точность найденных решений и скорость нахождения глобального минимума или максимума. Скорость повышается из-за отсутствия процессов кодирования и декодирования хромосом на каждом шаге алгоритма. Установлено, что для вещественного алгоритма стандартные операторы скрещивания и мутации не подходят, по этой причине автором были разработаны и исследованы специальные операторы.

3. Результаты численных исследований обучения нечетких сетевых моделей показали на тестовых функциях Розенброка, Расстригина, Шефела и др., что кроссовер BLX дает самую низкую скорость сходимости к экстремуму. Следующим является оператор fit. Кроссоверы Binl и Bin2, имитирующие бинарное скрещивание, оказались наиболее эффективными. Кроссовер Bin2 обладает наилучшими показателями по скорости сходимости для всех тестируемых функций. Показано, что в общем случае целесообразно рассматривать все операторы скрещивания. При проведении каждой операции скрещивания случайным образом выбирается один из кроссоверов. В этом случае используются все положительные качества всех операторов скрещивания. Ценой за это является некоторое снижение скорости сходимости в отдельно взятом итерационном процессе.

4. Предложен модифицированный алгоритм многокритериальной оптимизации на основе генетического подхода, не требующий введения дополнительных подгрупп популяций и вмешательства пользователя в выбор оптимального по Парето решения. По данному алгоритму отбор для скрещивания проводится турнирным методом. При использовании вещественного оператора скрещивания fit значение функции приспособленности выбирается случайным образом. Полученное в результате реализаций ряда итераций решение является однозначным и оптимальным по Парето. В результате вместо задачи векторной оптимизации решается задача скалярной оптимизации.

5. Построена нечеткая имитационная модель технологического процесса подготовки природного газа на основе эмпирических и экспертных данных. Схеме технологического процесса осушки газа составилась в соответствие нечеткая причинно-следственная модель. Отношения между рассматриваемыми элементами имитационной модели технологического процесса разделены на две группы. Первая группа представляет преобразования, изменяющие свойства газа, обрабатываемого в технологическом оборудовании. Такое преобразование осуществляется с помощью нейронной сети, описываемой матрицей коэффициентов преобразования, определяемой в процессе обучения сети. Обучающая выборка содержит результаты испытаний аппаратов и измерений, полученных в ходе эксплуатации оборудования. Вторая группа отношений строится на основе экспертных заключений и методах нечеткого логического вывода. Основой для проведения операции нечеткого логического вывода является вид связей между элементами нечеткой системы, содержащих правила, названия термов и функции принадлежности термов. Значение переменной, соответствующей элементу с входящими связями, находится взвешенным суммированием по всем входящим связям.

Практическая полезность исследования состоит в том, что применение методики нечеткого моделирования технологических процессов позволяет дать оперативную оценку показателей природного газа, подготовленного к транспортировке, при изменении условий добычи. Применение модели дает возможность структурной и параметрической оптимизации производства, направленной на повышение уровня качества подготовки природного газа.

Реализация работы в производственных условиях. При участии автора была разработана и реализована, описанная в данной работе, система моделирования, построенная на принципах нечеткого логического вывода. Работа системы осуществлена с применением промысловых данных газовых месторождений Западной Сибири. Работа может быть использована предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геофизической и промысловой информации.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на российских и международных научно-технических конференциях и конгрессах: Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2004); Международной НТК «Искусственный интеллект-2005» (Таганрог, 2005); Международном симпозиуме «Надежность и качество» (Пенза, 2005-2006); 33 Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006); Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2006).

Публикации. Основные научные результаты по теме диссертации опубликованы в 11 научных работах.

Публикации. Результаты работы отражены в 11 научных трудах: 2 статьи в центральной печати, 9 публикаций в сборниках материалов всероссийских и международных научно-технических конференций. Автор имеет 3 научных труда в изданиях, рекомендуемых ВАКом для публикации основных результатов диссертаций.

Диссертация содержит введение, 3 главы и заключение, изложенные на 143 с. машинописного текста. В работу включены 47 рис., 6 табл., список литературы из 106 наименований.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Мыльцев, Владислав Алексеевич

ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

В результате диссертационных исследований проведена систематизация физических процессов, протекающих в технологической цепи подготовки природного газа, приведшая к выработке научно-обоснованных решений для построения нечетких сетей, моделирующих сложные технологические процессы осушки газа. Разработан метод обучения нечетких сетей на основе генетического алгоритма с вещественным кодированием. Итогом работы является построение имитационной модели технологического процесса подготовки природного газа на основе эмпирических и экспертных данных. По результатам проведенных исследований получены следующие выводы.

1. Разработан метод моделирования сложных технологических процессов с помощью причинно-следственной сети на основе комбинированного применения нечеткого логического вывода и нейросетевой аппроксимации. Предложен метод обучения нечетких сетевых моделей с применением генетического алгоритма с вещественным кодированием.

2. Систематизация физических процессов, протекающих в технологической цепи подготовки природного газа, позволила установить основные факторы, влияющие на параметры осушки: скоростной режим движения дисперсно-кольцевых потоков в массообменных элементах; температура, давление и влажность газа; концентрация абсорбента.

3. Комбинированное применение нечеткого логического вывода и нейросетевой аппроксимации позволило разработать метод сетевого моделирования сложных технологических процессов.

4. Для обучения нечетких систем необходимо применять методы многоэкстремальной оптимизации. Высокую эффективность показал разработанный генетический алгоритм с вещественными операторами скрещивания.

5. Решение задач многокритериальной оптимизации, встречающихся при идентификации нечетких моделей, осуществлено на основе генетического алгоритма. Предложенный подход не требует экспертной оценки важности критериев и позволяет получить однозначное решение, оптимальное по Парето. Предложен подход к скаляризацни векторного критерия оптимизации на основе генетического алгоритма.

6. Построенная на основе эмпирических и экспертных данных, нечеткая имитационная модель технологического процесса подготовки природного газа позволяет проводить при изменении условий добычи оперативную оценку показателей природного газа, подготовленного к транспортировке. Применение модели дает возможность структурной и параметрической оптимизации производства, направленной на повышение уровня качества подготовки природного газа.

Список литературы диссертационного исследования кандидат технических наук Мыльцев, Владислав Алексеевич, 2006 год

1. ГАбасов М.Т., Оруджалиев Ф.Г., Азимов Э.Х. и др. Рассеянные жидкие углеводороды газоконденсатных залежей Азербайджана. Баку: ИПГНГМ АНАзССР, 1987.-c.2-10.

2. Абасов М.Т., Джалилов К.Н. Вопросы подземной гидродинамики и разработки нефтяных и газовых месторождений. Баку, Азернефтнешр,1960.-255 с.

3. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во ТГУ, 2000. - 352 с.

4. Ананенков А.Г. Ставкин Г.П., Талыбов Э.Г. АСУ ТП промыслов га-зокоденсатного месторождения Крайнего Севера. -М: Недра,2000.-230с.

5. Ананенков А.Г., Ставкин Г.П., Андреев О.П. и др. АСУ ТП газопромысловых объектов.-М.: Недра,2003.-343с.

6. Андреевский А.А. Волновое течение тонких слоев вязкой жидкости // Температурный режим и гидравлика парогенераторов.-Л.:Наука,1978.с.181-230.

7. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: ФиС, 2000

8. Аттетков А.В., Галкин С.В., Зарубин B.C. Методы оптимизации.- М.: Изд-во МГТУ им. Н.Э.Баумана, 2003,- 440с.

9. Багдасаров В.Г. Теория, расчет и практика эргазлифта.-Л:Гостоптехиздат, 1947.-371 с.

10. Ю.Батищев Д.И. Генетические алгоритмы решения экстремальных задач / Под ред. Львовича Я.Е.: Учеб. пособие. Воронеж, 1995.

11. Бекиров Т.М. Первичная переработка природных газов. М.: Химия, 1987.-256с.

12. Бекиров Т.М., Ланчаков Г.А Технология обработки газа и конденсата. М.:000 "Недра-Бизнесцентр", 1999. - 596 с.

13. Борисов А.Н., Алексеев А.В., Крумберг О.А. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982.- 256 с.

14. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования. Рига: Зинатне, 1990. -184 с.

15. Брискман А.А., Иванов А.К., Козлов A.JI. и др. Добыча и транспорт газа. М.: Гостоптехиздат, 1955.- 551 с.

16. Быков В.И., Лаврентьев М.Е. Формирование спектра размеров капель в газожидкостном потоке // ИФЖ, 1976, Т.31, №5.с.782-787.

17. Васильев С.С., Паклин Н.Б., Тененев В.А. Метод обучения нечеткой информационной системы./ Матер. Юбилейной межд.научно-техн.конф. «Моделирование технических и социотехнических систем», Ижевск, 2002.С.27-33.

18. Владимиров АИ, Косьмин В.Д. Гидравлический расчет теплообмен-ных аппаратов: Учеб. пособие. М: Изд. ГАНГ им. И.М. Губкина, 1997. - 58 с.

19. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа. С-Петербург, Изд-во СПбГТУ,1999.-512с.

20. Вяхирев Р.И., Гриценко, А.И., Тер-Саркисов Р.М Разработка и эксплуатация газовых месторождений.-М.: Недра,2002.-890с.

21. Гриценко АИ, Александров И.А, Галанин ИЛ. Физические методы переработки и использования газа. М.: Недра, 1981. - 224 с.

22. Гриценко А.И., Истомин В.А., Кульков А.Н.,Сулейманов Р.С. Сбор и промысловая подготовка газа на северных месторождениях России.-М.:Недра,1999.

23. Дегтярев Ю.И. Системный анализ и исследование операций. М.: Высш.шк., 1996.-335с.

24. Евтушенко Ю.Г. Методы решения экстремальных задач и их применение в системах оптимизации. М.: Наука, 1982,- 432с.

25. Искусственный интеллект. Книга 1. Системы общения и экспертные системы./ Под ред. проф. Э.В.Попова. М.: Радио и связь, 1990. - 461 с.

26. Истомин В.А., Якушев B.C. Газовые гидраты в природных услови-ях.-М.:Недра,1992.-235с.

27. Катц Д.А., Корнелл Д., Кабаяши Р. Руководство по добыче, транспорту и переработке природного газа: Пер. с англ. М.: Недра, 1965.

28. Кафаров В.В. Основы массопередачи: системы газ жидкость, пар-жидкость, жидкость - жидкость. Учеб. для хим.-технол. спец. вузов. - 3-е изд., перераб. и доп. - М.: Высшая школа, 1979. - 439 с.

29. Кельцев Н.В. Основы адсорбционной техники. 2-е изд., перераб. и доп. - М.:Химия, 1984. - 591 с.

30. Кириллов П.Л., Комаров Н.М., Субботин В.И. и др. Измерение некоторых характеристик парожидкостного потока в круглой трубе. Препринт ФЭИ.-431 .Обнинск, 1973.-104с.

31. Клир Дж. Системология. Автоматизация решения системных задач. -М: Радио и связь, 1990, 544с.

32. Козлов АЛ., Фиш М. JL, Колушев Н. Р. и др. Опыт разработки группы газовых месторождений Куйбышевской и Оренбургской областей, М., ВНИИЭгазпром, 1968. -59 с.

33. Козлов A.JL, Коротаев Ю.П., Фиш МЛ. и др. Подсчет запасов газа по падению давления. М., ВНИИЭгазпром, 1969.- 71 с.

34. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. - 224 с.

35. Круглов В.В. Адаптивные системы нечеткого вывода // Нейрокомпьютеры: разработка и применение. 2003. - № 3. - С. 15-19.

36. Кравченко Ю.А. Перспективы развития гибридных интеллектуальных систем // Перспективные информационные технологии и интеллектуальные системы. 2002. - № 3. - С. 34-38.

37. Курейчик В.М. Генетические алгоритмы // Перспективные информационные технологии и интеллектуальные системы. 2000. - № 1. - С. 1822.

38. Курейчик В.М., Зинченко JI.A., Хабарова И.В. Алгоритмы эволюционного моделирования с динамическими параметрами. -/Информационные технологии, №6, 2001.с. 10-15.

39. Лапук Б. Б. Теоретические основы разработки месторождений природных газов. Москва-Ижевск: Институт компьютерных исследований, 2002,- 296 с.

40. Лейбензон Л.С. Движение газов в пористой среде. «Нефтяное хозяйство», 1930, №8.

41. Лейбензон Л. С. Основной закон движения газа в пористой среде. «Доклады Академии наук СССР», 1945, т. XLVII, № 1.

42. Лейбензон Л.С. Подземная гидрогазодинамика. Собр. трудов,т. И. М.: Изд-во АН СССР, 1953.- 544 с.

43. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuz-zyTECH.- СПб.: БХВ-Петербург, 2003.-736с.

44. Липатов Л.Н. Типовые процессы химической технологии как объекты управления. М.: Химия, 1973.

45. Лойцянский Л.Г. Механика жидкости и газа.-М.:Наука, 1973.-848с.

46. Макаров И.М. Теория выбора и принятия решений. -М.:Наука, 1986.-328с.

47. Мановян АК. Технология первичной переработки нефти и природного газа: Учеб.пособие для вузов. М: Химия, 1999. - 568 с.

48. Месарович М., Такахара Я. Общая теория систем: математические основы. М.: Мир, 1978.- 312с.

49. МирзаджанзадеА.Х., Дурмишьян А.Г., Ковалев А.Г., Аллахвердиев Т.А. Разработка газоконденсатных месторождений. М., изд-во «Недра», 1967.

50. Мирзаджанзаде А.Х., Кузнецов О.Л., Басниев К.С, Алиев З.С. Основы технологии добычи газа. М.: ОАО «Издательство «Недра», 2003. - 880 с.61 .Мирзаджанзаде А.Х. Принятое решение в газодобыче. М.: изд. Минтефтепром, 1987.-875с.

51. Мирзаджанзаде А.Х., Хасанов М.М., Бахтизин Р.Н. Моделирование процессов нефтегазодобычи. Нелинейность, неравновесность, неопределенность.- Москва Ижевск: Институт комп. исслед.,2004.-368с.

52. Мирзаджанзаде А.Х., Степанова Г.С. Математическая теория эксперимента в добыче нефти и газа. М.: Недра, 1977.

53. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986. - 311 с.

54. Нигматулин Б.И. и др. Методика измерения толщины и волновых характеристик поверхности жидкой пленки в пароводяном дисперсно-кольцевом потоке // ТВТ, 1982,Т.20,№6.

55. Нигматулин Р.И. Динамика многофазных сред. Ч.2.-М.:Наука,1987.360с.

56. Николаев В.В., Бусыгина Н.В., Бусыгин КГ. Основные процессы физической и физико-химической переработки газа. М.: ОАО "Издательство "Недра", 1998.- 184 с.

57. Николаевский Н. М. Экономика разработки нефтяных месторождений. M.-JI.:, Гостоптехиздат, 1946.

58. Николаевский В.Н. Механика пористых и трещиноватых сред. — М.: Недра, 1984.-232 с.

59. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учебное пособие для вузов. М.: Высшая школа, 1989.-367с.

60. Понтрягин JI.C., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф. Математическая теория оптимальных процессов. М.: Физматгиз, 1961.- 372.

61. Пупков К.А., Егупов Н.Д., Гаврилов А.И. и др. Методы робастного, нейро-нечеткого и адаптивного управления. М.: Изд-во МГТУ, 2002.-744с.

62. Рамм В.М. Абсорбция газов. М.: Химия, 1976. - 656 с.

63. Расстригин JI.A. Адаптация сложных систем.-Рига: Зинатне, 1981.375с.

64. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польского И.Д.Рудинского.-М.: Горячая линия -Телеком,2004.-452с.

65. Савченко В.П., Козлов A.JL, Черский Н. В. Новые методы промышленной разведки и оценки запасов газовых месторождений. М., ГосИНТИ, 1959,- 55с.

66. Синайский Э.Г. Разделение двухфазных многокомпонентных смесей в нефтегазопромысловом оборудовании. М.: Недра, 1990. - 272 с.

67. Скобло А.И., Трегубова И.А, Молоканов Ю.К. Процессы и аппараты нефтеперерабатывающей и нефтехимический промышленности. 2-е изд., перераб. и доп. - М.: Химия, 1982. - 585 с.

68. Скобло А.И., Молоканов Ю.К., Владимиров А.И., Щелкунов ВА. Процессы и аппараты нефтегазопереработки и нефтехимии: Учебник для вузов. 3-е изд., перераб. и доп. М.: ООО "Недра-Бизнесцентр", 2000.- 677 с.

69. Смирнов А.С., Ширковский А.И. Добыча и транспорт газа. М.:, Гос-топтехиздат, 1957.- 557 с.

70. Степанов Н.Г., Дубина, Н.И., Васильев Ю.Н. Системный анализ проблемы газоотдачи продуктивных пластов. -М.: Недра,2001.-204с.

71. Страус В. Промышленная очистка газов: Пер. с англ. М: Химия, 1981.-616с.

72. Стрижов И. Н., Ходанович И. Е. Добыча газа. Москва-Ижевск: Институт компьютерных исследований, 2003.- 376 с.

73. Стронгин Р.Г. Численные методы в многоэкстремальных задачах. М.: Наука, 1978.352с.

74. Тененев В.А. Применение генетических алгоритмов с вещественным кроссовером для минимизации функций большой размерности // Интеллектуальные системы в производстве,2005,№2.с.25-31.

75. Тененев В.А., Ворончак В.И.Решение задач классификации и аппроксимации с применением нечетких деревьев решений./ Интеллектуальные системы в производстве, №2, 2005.С.-46-69.

76. Тененев В.А., Гуляшинов А.Н. Теория принятия решений в сложных социо-технических системах.- Ижевск: Изд.ИжГТУ,2005.280с.

77. Тененев В.А., Паклин Н.Б. Гибридный генетический алгоритм с дополнительным обучением лидера.// Интеллектуальные системы в производстве, 2003.-№2.-с. 181-206.

78. Тененев В.А., Якимович Б.А. Методы анализа и моделирования систем. Ижевск: Изд-во ИжГТУ,2001. -152с.

79. Тер-Саркисов P.M. Разработка месторождений природных газов. — М.: Недра, 1999.-659с.

80. Фролов Ю.В. Интеллектуальные системы и управленческие решения. М., МГПУ, 2000, 294 С.

81. Цыпкин Я. 3. Адаптация и обучение в автоматизированных системах." М.: Наука, 1968.

82. Шкоропад Д.Е., Новиков О.П. Центрифуги и сепараторы для химических производств. М: Химия, 1987. - 255 с.

83. Шмыгля П.Т. Разработка газовых и газоконденсатных месторождений. М., «Недра», 1967.- 260 с.

84. Adelberg М. Mean drop size resulting from the injection of a liquid jet into a lighspeed gas stream // AIAA,1968,No 6.

85. Casillas J., Cordon O., Jesus M.J. del, Herrera F. Genetic tuning of fuzzy rule deep structures for linguistic modeling // Technical Report DECSAI-010102, Dept. of Computer Science and A.I., University of Granada, January 2001. 8 p.

86. Eshelman, L.J. and Schaffer, J.D.: Real-Coded Genetic Algorithms and Interval-Schemata, Foundations of Genetic Algorithms 2, Morgan Kaufman Publishers, San Mateo, 1993. pp. 187-202.

87. FlexTool (GA) M2.1, Flexible Intelligent Group, LLC, Tuscloosa,Al 35468-1477,USA.

88. Herrera F., Lozano M., Verdegay J.L. Tackling real-coded genetic algorithms: operators and tools for the behaviour analysis // Artificial Intelligence Review, Vol. 12, No. 4, 1998. P. 265-319.

89. Hewit G.F., Hall-Taylor N.S. Annular two-phase flow.-Pergamon Press, 1972.103 .Michalewicz Z. Genetic Algorithm + Data Structures = Evolution Programs, Springer-Verlag,1992.

90. Tjmida Т., Okazaki T. Statistical character of large disturbance waves in upward two-phase flow of air-water mixtures //J. Chem. Eng. Japan, 1974, V5,No 5.p.329-333.

91. Walley P.B., Hewitt G.F. Experimental wave end entrainment measurements in vertical annular two phase flow // AERE -R7521 UKAEA Harwell, England, 1973.-p.25/

92. Wallis G.B. One dimensional two-phase flow.- New York: McGraw-Hill Book Co,1969.