Link xem tivi trực tuyến nhanh nhất xem tivi trực tuyến nhanh nhất xem phim mới 2023 hay nhất xem phim chiếu rạp mới nhất phim chiếu rạp mới xem phim chiếu rạp xem phim lẻ hay 2022, 2023 xem phim lẻ hay xem phim hay nhất trang xem phim hay xem phim hay nhất phim mới hay xem phim mới link phim mới

Link xem tivi trực tuyến nhanh nhất xem tivi trực tuyến nhanh nhất xem phim mới 2023 hay nhất xem phim chiếu rạp mới nhất phim chiếu rạp mới xem phim chiếu rạp xem phim lẻ hay 2022, 2023 xem phim lẻ hay xem phim hay nhất trang xem phim hay xem phim hay nhất phim mới hay xem phim mới link phim mới

intTypePromotion=1
ADSENSE

Ứng dụng mạng neuron nhân tạo để tính toán sự thay đổi áp suất của dòng chảy đa pha trong môi trường liên tục

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:6

13
lượt xem
1
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Ứng dụng mạng neuron nhân tạo để tính toán sự thay đổi áp suất của dòng chảy đa pha trong môi trường liên tục liên quan đến nghiên cứu gần đây của chúng tôi về việc sử dụng Mạng neuron nhân tạo (ANN) để dự đoán sự sụt giảm áp suất trong các giếng đa pha. Mô hình ANN được phát triển dựa trên nhiều dữ liệu sản xuất bề mặt khác nhau bao gồm tốc độ dòng chảy của dầu, tốc độ dòng chảy của khí, tỷ lệ khí-dầu, áp suất đầu giếng, nhiệt độ đầu giếng, áp suất đáy giếng, nhiệt độ đáy giếng.

Chủ đề:
Lưu

Nội dung Text: Ứng dụng mạng neuron nhân tạo để tính toán sự thay đổi áp suất của dòng chảy đa pha trong môi trường liên tục

  1. 7ạSFKt9ậWOLệXYj;k\GựQJ7ậSVố 
  2. ỨQJGụQJPạQJ1HXURQQKkQWạo đểWtQKWRiQVựthay đổLiSVXấW FủDGzQJFKảy đa pha trong môi trườQJOLrQWụF  3Kạm Sơn Tùng 9}7UkP2DQK     Trường ĐạLKọF%iFKNKRDĐạLKọF4XốFJLD7KjQKSKố+ồ&Kt0LQK TỪ KHOÁ  TÓM TẮT ÉSsuất dòng chảy đáy giếng  Dự đoán chính xác về sự giảm áp suất là điều quan trọng phải có trong suốt vòng đời của giếng để thiết kế Dòng chảy đa pha ống hiệu quả hơn và hoạt động sản xuất tối ưu hơn. Triển khai đồng hồ đo áp suất là một biện pháp phổ Mạng neutron nhân tạo biến để đo áp suất dòng chảy đáy giếng (FBHP). Ngoài ra, một số mô hình cơ khí và mối tương quan thực nghiệm cho dòng đa pha đã được đề xuất để tránh tiêu tốn chi phí đáng kể và tốn thời gian khi can thiệp vào một giếng đang sản xuất. Tuynhiên, kết quả của các kỹ thuật dự đoán gần đây cho thấy mức độ chính xác khá thấp, vì vậy phương pháp cải tiến là cần thiết để giải quyết vấn đề này.Bài báo này liên quan đến nghiên cứu gần đây của chúng tôi về việc sử dụng Mạng neuron nhân tạo (ANN) đểdự đoán sự sụt giảm áp suất trong các giếng đa pha. Mô hình ANN được phát triển dựa trên nhiều dữ liệu sản xuất bề mặt khác nhau bao gồm tốc độ dòng chảy của dầu, tốc độ dòng chảy của khí, tỷ lệ khídầu, áp suất đầu giếng, nhiệt độ đầu giếng, áp suất đáy giếng, nhiệt độ đáy giếng. Các bộ dữ liệu thu thập được từ giếng X tại mỏ Hải Thạch Mộc Tinh được thống kê sàn lọc và nhập vào các mô hình ANN. Các mô hình được đề xuất bao gồm một loạt các biến với số lượng tế bào thần kinh khác nhau của các lớp ẩn. Kết quả giữa các tập dữ liệu khác nhau là các bản ghi và so sánh thống kê với nhau để chọn lỗi ít nhất.  .(
  3. $GGLWLRQDOO\VRPHPHFKDQLFPRGHOVDQGHPSLU  LFDO FRUUHODWLRQV IRU PXOWLSKDVH KDYH EHHQ SURSRVHG LQ RUGHU WR DYRLG D VLJQLILFDQW H[SHQVH DQG WLPH FRQVXPLQJ RI LQWHUYHQLQJ D SURGXFLQJ ZHOO 1HYHUWKHOHVV WKH UHFHQW SUHGLFWLRQ WHFKQLTXHV SUHVHQW D ORZ OHYHO RI DFFXUDF\ LQWKH UHVXOW WKH LPSURYHPHQW PHWKRG LV QHHGHG WR WDFNOH WKLV SUREOHP 7KLVSDSHU UH SRUWV RXU UHFHQWVWXG\ RQ WKH XVH RI DQ $UWLILFLDO 1HXUDO 1HWZRUNV $11
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ớLWKLệX NKảnăng áp dụQJFủDFiFPốLTXDQKệđó trên mộWORạWFiFGữOLệX  +ầXKếW FiFQJKLrQ FứX WKừDQKậQ UằQJNK{QJ FyNếW QốLGX\ QKấW 7KLếW Nế WKtFK KợS FủD FiF Kệ WKốQJ KRjQ WKjQK JLếQJ Yj Kệ nào đượFWuPWKấ\FyWKểiSGụQJWUrQWấWFảFiFSKạPYLELếQYớL WKốQJQkQJQKkQWạo, cũng như tối ưu hóa và dựEiRFKtQK[iFKLệX độ Fhính xác đủ 7X\ QKLrQ NKL FiF JLi WUị VDL OầP Eị Eỏ TXD PộW VXấW VảQ [Xất, đòi hỏL Pột phương pháp đáng tin cậ\ Yj FKtQK [iF FXộc điềX WUD WKốQJ Nr NK{QJ WuP WKấ\ Oợi ích đáng kể FKR FiF P{ đểướFWtQKJLảPiSVXấWWURQJGzQJFKảy đa pha cho nhữQJJLếQJ hình cơ họFVRYớLFiFPối tương quan thựFQJKLệPKLệQWạLYềNKả GọF 'R Vự SKứF WạS FủD GzQJ FKảy đa pha, hầX KếW FiF Gự đoán năng dựđoán áp suấW JLảP iS VXất đềX GựD WUrQ Pối tương quan thựF QJKLệP KRặF EiQ 0ặF G Pạng lướL WKầQ NLQK QKLềX Oớp đượF SKiW KLệQ YjR WKựF QJKLệP +DJHGRUQ Yj %URZQ 
  5.  'XQV Yj 5RV 
  6.  QKững năm 1960, chúng không đượF NKiP SKi Nỹ lưỡng cho đếQ 2UNLV]HZVNL 
  7.  %HJJV DQG %ULOO 
  8.  0XNKHUMHH Yj %ULOO QKững năm 1980. Bản đồWựWổFKứFGựDWUrQKọFWậSFạnh tranh đã 
  9. 1KLềXQJKLrQFứu đã đượFWLến hành đểNLểm tra và điềXWUD đượF JLớL WKLệX YjR QKững năm 1970. Trong những năm 1980, /LrQKệWiFJLảSKDPVRQWXQJ#KFPXWHGXYQ 1KậQQJj\VửD[RQJQJj\FKấSQKận đăng  /LQN'2,KWWSVGRLRUJMRPF  JOMC 71
  10. 7ạSFKt9ậWOLệXYj;k\GựQJ7ậSVố 
  11. Pạng lướLWKầQNLQh đã trảLTXDPộWWKờLNỳSKục hưng. Mạng lướL 1JKLrQFứXKLệQWạLWậSWUXQJYjRYLệc xác địQKEộVốOLệXiS WKầQ NLQKKRạt động tương tự như các tế EjR WKầQNLQKWURQJ QmR VXất đáy giếQJEằQJFiFKVửGụQJ0ạQJQHXURQQKkQWạR&iFEộGữ 0ạng lướL WKầQ NLQK QKkQ WạR Jần đây đã trở QrQ SKổ ELếQ Yu NKả OLệX NKiF QKDX [HP [pW Vố lượQJ Wế EjR QHXron đào tạR NKiF QKDX năng giảL TX\ếW PộW ORạW FiF Yấn đề GầX Pỏ SKứF WạS 2VPDQ Yj đã được đề[Xất đểWuPUDFiFWK{QJVốđầXYjRKLệXTXảQKấW&iF FộQJ Vự [2] đã đề [XấW PộW Pạng lướL Pới để Gự đoán áp suấW Oỗ Eộ Gữ OLệu này đượF WiFK WKjQK FiF Eộ đào tạR [iF QKậQ FKpR Yj dướLFKả\WURQJGzQJFKảy đa pha đốLYớLJLếQJWKẳng đứQJ.KLKọ WKửQJKLệPWKHRWỷOệ7ậSKợSFRQWKửQJKLệPFủDGữOLệX VRViQKPạng lướL FủDKọ YớL FiF P{ KuQKWKựF QJKLệm và cơ họF đã đượFVửGụng đểNLểm tra độFKtQK[iFGựđoán củDP{KuQKYj thông thườQJ Kọ SKiW KLệQ UD Uằng ANN là phương pháp tối ưu VRViQKQyYớLFiFPối tương quan hiện có và các mô hình cơ họF QKấW 0RKDPPDGSRRU Yj FộQJ Vự [3] đã phát triểQ PộW Pạng lướL không đượF SKiW KLệQ Eởi mô hình ANN trong giai đoạn đào tạR WKầQ NLQK QKkQ WạR Pới (ANN) để Gự đoán áp suấW GzQJ FKảy đáy &iF PạQJ FKX\ểQ WLếS QJXồQ FấS Gữ OLệX QKLềX Oớp đã đượF FKọQ JLếQJWURQJFiFJLếQJGầu đa pha theo phương thẳng đứQJWURQJFiF cho mô hình ANN đượF WạR Yu NKả năng thể KLệQ FiF Eản đồ FKứF Pỏ GầX Fủa Iran. Ông đã đánh giá nhiềX OớS Wế EjR WKầQ NLQK FủD năng phi tuyếQWtQKJLữa đầu vào và đầXUD0ộWOớp đầXYjR FKứD $11YjFiFFKức năng đjRWạRNKiFQKDXYjFKọQOớSWốWQKấWFyOỗL FKtQ Wế EjR WKần kinh đầX YjRKRặc nút) đạLGLệQ FKR FiF WK{QJ Vố WKấS QKấW 7URQJ FiF JLếQJ FKảy đa pha thẳng đứQJ PộW P{ KuQK đầXYjR Wốc độGzQJFKả\GầXWốc độlưu lượQJNKtWỷOệNKtGầX 0ạQJQHXURQQKkQWạo cũng được đề[Xất đểGựđoán áp suấWFKả\ iSVXất đầXJLếQJQKLệt độđầXJLếQJQKLệt độđáy giếQJ
  12. KDLOớS dưới đáy giếQJYjNếWTXảOjiSVXấWJLảP0{KuQKWKểKLệQWối ưu ẩQYjPộWOớp đầXUD FKứDPột nút) đạLGLệQFKRPi\pSOỗdướL hơn các mô hình trX\ềQWKốQJYớLKệVốtương quan là 0,9222 và sai  Vố WUXQJ EuQK WX\ệt đối 3,5% sau khi đánh giá mộW ORạW FiF WậS Gữ  Phương pháp luậQ OLệXEDRJồPEộGữOLệu trường thu đượFWURQJQỗOựFQJKLrQ  0ạng lướLWKầQNLQKQKkQWạR FứX 1KữQJ SKiW KLệQ WKống kê nói trên thu đượF EằQJ FiFK Vử GụQJPộWOớSẩQFủDPạng lưới neuron hướQJWớLQJXồQFấSGữOLệX Ann đượFWạRWKjQKWừEDOớp: đầu vào, đầXUDYjFiF OớSẩQ WURQJP{KuQKGựđoán. 2011 (Jahanandish và Salimifard) [4]. Li và 'ữOLệu đầXYjRFủDKệWKống được đọFWừPộWQJXồQErQQJRjLYjR FộQJ Vự [5] đã đề [XấW PộW FKLến lượF NếW KợS EDR JồP TX\ WUuQK PộWORạWFiFELếQWURQJOớp đầu vào. Theo cách tương tựOớp đầXUD tính toán tương quan giữa dòng đa pha và các mô hình MạQJ lưu trữGữOLệXKRặFNếWTXảGựNLếQFyWKểOjPộWVốvectơ. Lớp đầX QHXURQ QKkQ WạR &iF P{ KuQK PạQJ QHXURQ ODQ WUX\ềQ WUở Oại đã YjRQKậQGữOLệu lúc đầXYjJửi nó đếQOớSẩn đầu tiên để[ửlý. Như đượF NếW KợS WKjQK PộW Nỹ WKXật tính toán chính xác để ướF WtQK PLQKKọDWURQJ +uQK  Gữ OLệu đượF [ử Oम Wừ OớS ẩn đầu tiên đượF JUDGLHQWiSVXấWGẫn đến tăng độFKtQK[iFGựđoán và phạPYLGự FKX\ểQVDQJFiFOớSẩQWLếp theo để[ửOम>@&XốLFQJOớp đầXUD đoán rộng hơn. Tỷ Oệ NK{QJ FKtQK [iF WX\ệt đốL WUXQJ EuQK WKấS Oấ\GữOLệXWừOớp đượFFKHJLấXFXối cùng và đưa nó đếQPộWQJXồQ QKấWWKHRP{KuQKOj.ỹWKXậWNếWKợSNếWTXảcó độFKtQK ErQQJRjL.K{QJFyPốLOLrQKệWUựFWLếSJLữDFiFOớSẩQYjWKếJLớL [iF WUXQJ EuQK WX\ệt đốL SKần trăm là 23,0  NKL VR ViQK YớL FiF ErQ QJRjL Yj WRjQ Eộ TX\ WUuQK [ử lý đượF FKH JLấX NKỏL FK~QJ WD Pối tương quan trong dòng đa pha. Mô hình, mặt khác, đã đượFVử +uQK
  13.  GụQJ YớL PộW Pi\ WtQK iS VXất đáy giếng đượF WtFK KợS YjR JLDR GLện ngườLGQg. Medhat và Hassan [6] đã trình bày dựđoán vềiS VXấWOỗdướL FKả\FKR FiF JLếQJ GầXWKẳng đứQJ EằQJ FiF P{KuQK PạQJ WKầQ NLQK Vử GụQJ Eộ Gữ OLệX OịFK Vử Wừ QKLềX Pỏ GầX NKiF QKDX 6ử GụQJ PộW Nỹ WKXậW KọF Pi\ PạQJ WKầQ NLQK QKkQ WạR 6SHVLYWVHY HW DO [7] đã tạR UD Pột mô hình để Gự EiR iS VXấW Oỗ dưới đa chiềX+ọđã sửGụQJPộWEộGữOLệXJồPPẫXPjKọ WạRUDYớLWUuQKP{SKỏQJ +ệWKống ANN đượFWKLếWNếWUrQED\ếXWốcơ bảQFKtQKFụ WKể Oj WKXậW WRiQ FKức năng chuyểQ JLDR Yj PộW \ếX Wố [ử Oम WtQ KLệu đượFJọLOjWếEjRQHXURQ/LSSPDQYj/LSSPDQ>@0ạng lướL  +ìQKĐầu vào, đầXUDOớSẩQ$11>@ EDRJồPtWQKấWEDOớSFấXWU~FFụWKểOjOớp đầXYjR FiF
  14. OớSẩQ YjOớp đầXUD/ớSẩQEDRJồPPộWVốWếEjRQHXURQ0ỗLWếQHXURQ 9LệF WKX WKậS Gữ OLệX FKXẩQ Eị Gữ OLệX [k\ GựQJ Pạng lướL WKDP JLD FiF WK{QJ Vố đầX YjR EằQJ FiF NếW Qối đượF JọL Oj WUọQJ Pạng đào tạRYjPạQJWKửQJKLệm là năm quy trình trong quy WUuQKP{ lượQJ Yj FKức năng phụWUợđượF JọLOj WKLrQ Yị%XUELGJH Yj FộQJ hình hóa ANN. Giai đoạn đầXWURQJYLệFWạRUDFiFP{KuQK$11OjWKX Vự>@ WKậSYjFKXẩQEịGữOLệXPẫu. Các phương pháp chuẩQEịGữOLệu đượF WKựFKLệQVDXNKLWKXWKậSGữOLệu đểđào tạR$11KLệXTXảhơn. JOMC 72 
  15. 7ạSFKt9ậWOLệXYj;k\GựQJ7ậSVố 
  16. NếW TXả đượF WtQK WRiQ EởL FiF P{ KuQK $11 VR YớL Gữ OLệu đo lườQJWKựFWếFiFNếWOXận được đưa ra  7KXWKậSGữOLệXWKựFWếWừFiFJLếQJ +ìQK$11YớLFiFOớSGữOLệu đầu vào và đầXUD ;ửOमVốOLệXORạLEỏQKữQJVốOLệXEất thườQJ TrướF NKL WUuQK Ej\ Gữ OLệu đầX YjR FKR PạQJ QyL FKXQJ Oj PộWWKựFKjQKWốt đểWKựFKLện bình thườQJKyDGữOLệXEởLYuWUộQ ÉSGụQJP{KuQK$11 FiFELếQYới cường độOớQYjQKỏVẽQKầPOẫQWKXậWWRiQKọFWậSYề EảQFKấWFủDWừQJELếQYjFyWKểEXộc nó đếQQKjWKLếWNếFKỉđịQK Vố OớS ẩQ Wế EjR WKầQ NLQK WURQJ PỗL OớS FKức năng truyềQ WURQJ 3KkQWtFKNếWTXảGựa trên phương pháp thốQJNr PỗLOớSFKức năng đào tạRFKức năng họFWậSWUọng lượQJWKLrQ YịYjFKức năng thựFKLệQ 7ổQJKợSNếWTXảvà đưa ra kếWOXậQ Trong giai đoạn đào tạR WUọng lượng đượF Vửa đổi để đưa  đầXUDWKựFWế Gựđoán) củDPạQJJần hơn với đầXUDPục tiêu (đo +ìQKQuy trình chung đượFiSGụQJWURQJF{QJYLệFQj\ lường). Giai đoạQWLếp theo là đưa mô hình đượF[k\GựQJYjRWKử QJKLệP7ạLWKời điểm này, mô hình đượFWLếS[~FYớLGữOLệu chưa %ảQJ+uQKPLQKKọDPộWVốGữOLệu đầXYjR ELết trước đây.   4X\WUuQKWLếQKjQK  +uQKKLểQWKịTX\WUuQKOjPYLệc chung đểxác địQKiSVXấW đáy giếQJEằQJFiFKVửGụng các mô hình ANN. Quy trình đượFWLếQ KjQKWừbướFWKXWKậSGữOLệXWừFiFJLếng đếQYLệc đưa ra nhữQJ NếWOXậQFKRWRjQEộQJKLrQFứX  'ữOLệu đượFVửGụQJWURQJQJKLrQFứu này đượFWKXWKậSWừ  JLếQJ;WạLPỏ+ảL7KạFK0ộF7LQKWổQJFộQJEộGữOLệXEDQ  .ếWTXảYjWKảROXậQ đầX 'ữ OLệu đượF Vử Gụng để SKiW WULểQ P{ KuQK EDR JồP Wốc độ  GầX OrQ WớL 0 PVFIQJj\ Wừ năm 2015 đến năm 2019. Ngoài ra, 6DXTXiWUuQKWLềQ[ửOमYjORạLEỏQKữQJVốOLệXQKLễXWURQJEộ FiFEộGữOLệu đã đượF[ửlý trước đểORạLWUừGữOLệXVDLOệch như Gữ OLệu ban đầX ED Eộ Gữ OLệX NKiF QKDX đã đượF Vử GụQJ OjP Gữ FiFJLiWUịkPFủDiSVXất và lưu lượQJ6ốlượQJGữOLệu sau đó đã OLệu để OX\ệQ PạQJ QHXURQ YớL P{ KuQK 1HXUDO 1HW )LWWLQJ YớL Vố JLảP[XốQJFzQ'ữOLệu đượFFKLDWKjQKEDSKầQ% điểP QHXURQOần lượWWừ5 đếQ YớLPỗLOần thay đổi 5 đơn vị). ĐểFKứQJ GữOLệu đượFVửGụng đểđào tạRFiFPạQJ% điểPGữOLệu đượF PLQKWtQKFKtQK[iFFủDFiFP{KuQKGựđoán, kếWTXảFủDTXiWUuQK VửGụng để[iFWKực và 15% điểPGữOLệu được xem xét đểNLểPWUD tính toán đượFVRViQKYớLiSVXất đo đượFWạLKLện trườQJ&iFWK{QJ Pạng được đào tạo. Sau các bướF[ửlý trướFGữOLệu đã đượFWKD\ VốWKống kê như Sai sốtoàn phương trung bình (MSE), Hiệu phương đổi đểSKKợSYớLFiFELểXPẫu đầXYjRWURQJPạQJ$11'ữOLệX VDL &
  17. +ệVốtương quan (R), HệVốJyFYj+ệVốWựGRFủa phương đầXYjREDRJồm 7 tính năng là tốc độGzQJFKả\GầXWốc độGzQJ trình tương quan đã đượFVửGụng đểVRViQK NKtWỷOệNKtGầXiSVXất đầXJLếQJQKLệt độđầXJLếQJiSVXấWOỗ 7ừ Hình 4 dưới đây, áp suấW GzQJ FKả\ ở đi\ JLếQJ Gự đoán đáy, nhiệt độ Oỗ đáy. BảQJ  KLểQ WKị FiF ELến ANN và đơn vị FủD thu đượF VR YớL FiF JLi WUị đo đượF Fy VDL Vố OớQ QKấW FiF Vố OLệX FK~QJ6ốlượQJWếEjRWKần kinh được đào tạo đã được thay đổi để QKLễXNKiFQKDXWừFiFEộGữOLệu ban đầXOjQJX\rQQKkQFKtQKGẫQ [HP [pW ảnh hưởQJ FủD Vố lượQJ Wế EjR WKần kinh được đào tạR đếQKệTXảnày. Do đó, áp suất đáy giếng đượFWtQKWRiQNK{QJQằP khác nhau đốLYớLiSVXất đượFWính toán và đạt đượFNếWTXảKLệX trong đường xu hướQJ đượFYẽJLữDGữOLệu ướFWtQKYjWKựFWế TXảQKất. Sau quá trình đào tạROỗi đượFWtQKWRiQJLữDiSVXấWOỗ ĐểFảLWKLện độFKtQK[iFFiFEộGữOLệu ban đầu đượFOọc đểORạLEỏ dưới xác địQK Yj iS VXất đo để xác định độ FKtQK [iF FủD PạQJ QKữQJGữOLệXQKLễXFủa lưu lượng dòng khí và lưu lượQJFRQGHQVDWH 3KkQ WtFK WKốQJ Nr FiF Wế EjR WKần kinh đào tạR NKiF QKDX EằQJ YuYậ\WổQJVốEộVốOLệXJLảP[XốQJFzQGữOLệX4XiWUuQKOX\ệQ FiFK VR ViQK Gữ OLệu ướF WtQK VR YớL Gữ OLệX WKựF Wế đã đượF KLểQ Pạng ANN đượFOặSOạLFKREộVốOLệXVDXNKLVjQOọFNếWTXảKLểQWKị WKị%ắt đầXWừYLệFWKXWKậSGữOLệXVảQ[XấWOịFKVửđếQSKkQWtFK WURQJ+uQKÉSVXất đáy giếQJQKLễu đã đượFORạLEỏNKỏLEộGữOLệX WKứhai, do đó nhữQJiSVXất tính đượFEằQJNK{QJFzQWồQWạLYj JOMC 73 
  18. 7ạSFKt9ậWOLệXYj;k\GựQJ7ậSVố 
  19. NếWTXảFKRWKấ\Pức độVDLVốđượFFảLWKLện đáng kể +uQK
  20. 7LếS 'DWDFRPSDULVRQ WụFORạLEỏQKữQJVốOLệXiSVXất đáy giếQJQKLễXWURQJEộGữOLệXWKứ   Eộ Vố OLệX Pới đượF QKập vào ANN để OX\ệQ PạQJ OầQ QữD YớL FQJQKữQJVốneuron như lần trướF+uQKFKRWKấ\NếWTXảđượF  FảLWKLện đáng kểNếWTXảchính xác hơn so vớLFiFEộGữOLệu đượF WKửQJKLệm trước đó cho áp suấWWUrQEDUD  &DOFXODWHG 'DWDFRPSDULVRQ      &DOFXODWHG        0HDVXUHG  %+3 QHXURQV
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2