Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

کاربرد شبکه ی عصبی مصنوعی در پیشبینی همزمان عملکرد فرآیند ذخیره ی کربن دی اکسید و ازدیاد برداشت نفت

سال انتشار: 1400
کد COI مقاله: NICEC17_253
زبان مقاله: فارسیمشاهده این مقاله: 98
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کاربرد شبکه ی عصبی مصنوعی در پیشبینی همزمان عملکرد فرآیند ذخیره ی کربن دی اکسید و ازدیاد برداشت نفت

مهدی کنعانی - انستیتو مهندسی نفت دانشگاه تهران دانشجوی کارشناسی ارشد انستیتو مهندسی نفت دانشگاه تهران
بهنام صدایی - عضو هیات علمی انستیتو مهندسی نفت دانشگاه تهران
مجتبی اسدیان پاک فر - انستیتو مهندسی نفت دانشگاه تهران دانشجوی کارشناسی ارشد انستیتو مهندسی نفت دانشگاه تهران

چکیده مقاله:

استفاده از گاز CO۲ به منظور ازدیاد برداشت نفت علاوه بر منافع زیست محیطی میتواند با افزایش تولید و ضریب بازیافت مخازن هیدروکربنی همراه شود و منافع اقتصادی قابل توجهی به دنبال داشته باشد. مدلسازی و پیشبینی وضعیت آینده مخزن در پروژه های ازدیاد برداشت نفت از لحاظ فنی و اقتصادی حائز اهمیت بالایی است. سناریو-های مختلفی حین مدلسازی فرآیندهای ازدیاد یرداشت مطرح میشود که ممکن است مدلسازی و شبیه سازی هر یک از این سناریوها مدت زمان زیادی بطلبد. بنابراین کاهش زمان شبیه سازی میتواند به انتخاب بهترین تصمیم برای آینده تولید از مخازن نفتی کمک شایان توجهی کند. در این مقاله با ساخت مدل پایه تزریق CO۲-WAG (Water-Alternating-Gas) و همچنین ایجاد آزمایشهای متعدد بر روی این مدل، یک بانک داده ساخته میشود. با استفاده از بانک داده یک مدل جایگزین هوشمند به منظور پیشبینی سناریوهای مختلف به وسیله شبکه عصبی مصنوعی ایجاد میشود. این مدل جایگزین قابلیت پیشبینی نتایج سناریوهای مختلف تزریق CO۲-WAG را در کمتر از ۵ ثانیه و با دقت بالا داراست که به طور قابل توجهی از زمان شبیه سازی کاسته شده است.

کلیدواژه ها:

ازدیاد برداشت نفت ، جذب و ذخیره کربن دی اکسید ، شبکه عصبی مصنوعی ، تزریق متناوب آب و گاز ، مدل جایگزین

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NICEC17_253 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1378383/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کنعانی، مهدی و صدایی، بهنام و اسدیان پاک فر، مجتبی،1400،کاربرد شبکه ی عصبی مصنوعی در پیشبینی همزمان عملکرد فرآیند ذخیره ی کربن دی اکسید و ازدیاد برداشت نفت،هفدهمین کنگره ملی مهندسی شیمی ایران،مشهد،https://civilica.com/doc/1378383

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1400، کنعانی، مهدی؛ بهنام صدایی و مجتبی اسدیان پاک فر)
برای بار دوم به بعد: (1400، کنعانی؛ صدایی و اسدیان پاک فر)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 79,368
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید


طرح های پژوهشی فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی