petrochemРазведка
АктуальноеНовости и поискДайджестИсследованияГраф связейИнтерактивО проекте
поиск/
petrochem.insight
о проекте

Платформа технологической разведки и отраслевой агрегатор новостей нефтехимической промышленности: технологии, проекты, оборудование, рынки, безопасность, моделирование.

разделы
  • Актуальное (дайджест)
  • Новости и поиск
  • Граф связей
  • О проекте
источники

Данные агрегируются из открытых отраслевых источников. Мнение редакции может не совпадать с мнением источников.

© 2026 Нефтехимическая разведка · v0.1.0-dev

built with next.js · directus · pgvector

insight / news & search
лента новостей

Новости и поиск

лента новостей / feed

all categories
Исследование: Применение Machine Learning (ML) для прогнозирования добычи и свойств пласта (Обзор методов)
Моделирование31.05.2021

Исследование: Применение Machine Learning (ML) для прогнозирования добычи и свойств пласта (Обзор методов)

В обзоре научных публикаций представлен гайд по выбору ML-алгоритмов для задач Upstream, таких как прогнозирование падения добычи и предсказание свойств пласта. Рассмотрены LSTM, Random Forest,…

MachineLearningUpstreamLSTM+2
Цифровые двойники для устойчивого развития (Sustainability Digital Twins)
Моделирование31.05.2021

Цифровые двойники для устойчивого развития (Sustainability Digital Twins)

В статье рассматривается применение цифровых двойников для решения задач устойчивого развития в нефтехимической отрасли. Приведены примеры успешного внедрения технологий AspenTech на предприятиях…

DigitalTwinSustainabilityEnergyOptimization+2
Оценка затрат и выбросов системы пиролиза биомассы с использованием суррогатной модели машинного обучения (Кригинг) в Aspen Plus
Моделирование11.05.2021

Оценка затрат и выбросов системы пиролиза биомассы с использованием суррогатной модели машинного обучения (Кригинг) в Aspen Plus

В статье представлено решение задачи снижения времени расчета реактора пиролиза биомассы в Aspen Plus для проведения технико-экономической оценки и оценки жизненного цикла. Разработана суррогатная…

AspenPlusCAPE_OPENMachineLearning+2
Валидация и реконсиляция данных (DVR) — Статистический подход к симуляции
Моделирование02.05.2021

Валидация и реконсиляция данных (DVR) — Статистический подход к симуляции

В статье рассматривается метод Data Validation and Reconciliation (DVR) для повышения точности моделирования. DVR использует все доступные измерения и их погрешности для нахождения наиболее…

DVRDataReconciliationStatistics+2
Моделирование производства возобновляемого дизеля (Renewable Diesel) и био-сырья в Petro-SIM 7.2
Моделирование13.04.2021

Моделирование производства возобновляемого дизеля (Renewable Diesel) и био-сырья в Petro-SIM 7.2

В апреле 2021 года KBC выпустила Petro-SIM 7.2. Это руководство для инженеров-технологов НПЗ, проектирующих реконструкцию установок гидроочистки под переработку растительных жиров и масел (HVO).…

PetroSIMRenewableDieselRefining+2
CFD-моделирование многофазных потоков и генерация сеток в Ansys Fluent 2021 R1
Моделирование31.03.2021

CFD-моделирование многофазных потоков и генерация сеток в Ansys Fluent 2021 R1

В Ansys Fluent 2021 R1 улучшены инструменты для CFD-моделирования многофазных потоков, особенно для аппаратов сложной формы. Представлена технология Mosaic Poly-Hexcore Meshing и усовершенствован…

CFDAnsysFluentMeshing+2
Обзорный материал: Модернизация платформы AVEVA PRO/II и переход к облачным технологиям
Технологии30.03.2021

Обзорный материал: Модернизация платформы AVEVA PRO/II и переход к облачным технологиям

AVEVAConnectКоллаборацияНефтепереработка+2
Гибридное моделирование процесса деасфальтизации (SDA) с использованием ML
Моделирование31.12.2020

Гибридное моделирование процесса деасфальтизации (SDA) с использованием ML

В академической работе MIT представлен гибридный подход к моделированию процесса деасфальтизации (SDA). Для предсказания выхода деасфальтизата (DAO) в реальном времени была построена стационарная…

MachineLearningSDARefining+2
Применение машинного обучения (ML) и суррогатных моделей для оптимизации сложных процессов Фишера-Тропша
Моделирование31.12.2020

Применение машинного обучения (ML) и суррогатных моделей для оптимизации сложных процессов Фишера-Тропша

Представлено применение машинного обучения и суррогатных моделей для оптимизации сложных процессов Фишера-Тропша. Разработан фреймворк, в котором ресурсоемкие итерации Aspen Plus заменяются быстрыми…

AspenPlusMachineLearningSurrogateModeling+2
МФИ Цеолит с микропористой и мезопористой иерархической структурой
Технологии31.12.2020

МФИ Цеолит с микропористой и мезопористой иерархической структурой

Sogang University Research Foundation представила новый МФИ цеолит с иерархической структурой, содержащей микропоры и мезопоры. Использование двух направляющих структуру агентов позволило создать…

МФИцеолитиерархическаяСтруктурамезопоры+2
Симуляция и оптимизация системы стабилизации сырой нефти многоступенчатым газоразделением
Моделирование31.12.2020

Симуляция и оптимизация системы стабилизации сырой нефти многоступенчатым газоразделением

В статье рассматривается задача стабилизации сырой нефти путем удаления легких газов для достижения целевого давления паров. Проблема возникла из-за добавления легкой нефти с высоким газомасляным…

СтабилизацияНефтиСепарацияTVP+2
Расчет систем аварийного сброса (Blowdown) в Aspen HYSYS: Битва методик
Моделирование14.03.2020

Расчет систем аварийного сброса (Blowdown) в Aspen HYSYS: Битва методик

Сравнительный анализ методов теплопередачи при пожаре (Wetted Wall vs. Liquid) в утилите Blowdown Analysis и их влияние на сайзинг факельных систем по стандарту API 521.

Aspen HYSYSBlowdownAPI 521+2
1…32333435
поиск по словам через Directus
Все416Технологии164Проекты25Оборудование22Рынки13Безопасность15Моделирование177