Part 4: Artificial neural network applications in other areas of environmental engineering and science / Partie 4 : les applications des réseaux neuronaux artificiels dans d'autres secteurs du génie et de la science de l'environnement - Artificial neural network modelling of oil sands extraction processes

摘要

Although the artificial neural network (ANN) approach has been used in various disciplines of engineering since the 1980s, its use in the oil sands extraction industry is quite new and has great potential. This paper demonstrates two important ANN modelling techniques that will be very useful to the oil sand industry through a case study. First, the ANN pattern recognition approach is illustrated to categorize a large oil sand processing database consisting of experimental data from the last 20 years. Second, within each category, the authors demonstrate how to follow a general protocol to build ANN models that are capable of predicting the primary recovery and the primary froth quality for the oil sand treatment process with fairly good accuracy. To verify the reliability of the ANN models, besides the regular statistical and graphical analysis, the authors also conducted a sensitivity analysis to test the response logic, parameter interaction, and extrapolation capability of the ANN models. As shown in the paper, these tests are both satisfactory and interesting. With sufficient accuracy and robustness in performance, these ANN models can be used to evaluate both the qualitative and the quantitative response of the oil sand treatment process to the known key parameters, which, in turn, can then be used to optimize the oil sand treatment process. Furthermore, these ANN models can be linked with the geological survey results to estimate the production potential of an oil sand ore field and to manage the cost of stockpiling the chemicals for the treatment process.Key words: oil sand processing, artificial neural network, pattern recognition.Bien que l'approche par réseau neuronal artificiel (RNA) ait été utilisée dans diverses disciplines d'ingénierie depuis les années 1980, son utilisation dans l'industrie d'extraction des sables bitumineux est relativement nouvelle et présente un bon potentiel. Cet article démontre, par une étude de cas, deux techniques importantes de modélisation par RNA qui seront très utiles pour l'industrie des sables bitumineux. Premièrement, l'approche de reconnaissance des formes par RNA est illustrée afin de classer par catégories une volumineuse base de données sur le traitement des sables bitumineux composée de données expérimentales colligées au cours des vingt dernières années. Deuxièmement, les auteurs démontrent, à l'intérieur de chaque catégorie, comment suivre un protocole global pour construire des modèles RNA pouvant prédire, avec une précision acceptable, la récupération primaire et la qualité de l'écume primaire du procédé de traitement des sables bitumineux. Afin de vérifier la fiabilité des modèles RNA, les auteurs ont effectué, en plus d'une analyse statistique et graphique, une analyse de sensibilité pour vérifier la logique de réponse, l'interaction des paramètres et la capacité d'extrapolation des modèles RNA. Tel que montré dans cet article, ces essais sont satisfaisants et intéressants. Ayant une précision et une robustesse de rendement suffisantes, ces modèles RNA peuvent être utilisés pour évaluer les réponses qualitatives et quantitatives du procédé de traitement des sables bitumineux aux paramètres clés connus qui, à leur tour, peuvent ensuite être utilisés pour optimiser le procédé de traitement des sables bitumineux. De plus, ces modèles RNA peuvent être associés aux résultats d'études géologiques afin d'estimer le potentiel de production d'un champ de sables bitumineux et de gérer le coût de l'entreposage des produits chimiques utilisés dans le procédé de traitement. Mots clés : traitement des sables bitumineux, réseau neuronal artificiel, reconnaissance des formes.[Traduit par la Rédaction]