Minimum miscibility pressure prediction using support vector machines
- سال انتشار: 1386
- محل انتشار: دومین کنگره مهندسی نفت ایران
- کد COI اختصاصی: IPEC02_120
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1472
نویسندگان
Department of Chemical Engineering, Tarbiat Modares University, Tehran, I.R. Iran, P.O. Box. ۱۴۱۱۵-۴۸۳۸
Research Institute of Petroleum Industry, NIOC, RIPI, Tehran, I.R. Iran, P.O. Box. ۱۸۷۴۵-۴۱۶۳
چکیده
Miscible gas injection processes are among the effective methods for enhanced oil recovery. A key parameter in the design of gas injection project is the minimum miscibility pressure (MMP), whereas local displacement efficiency from gas injection is highly dependent on the MMP. Because experimental determination of MMP is very expensive and time-consuming, searching for fast and robust mathematical determination of gas-oil MMP is usually requested. This paper introduces Support Vector Machines (SVM), a relatively new powerful machine learning method based on statistical learning theory, into MMP forecasting. The validity of this new model was successfully approved by comparing the model results to the experimental gas-oil MMP and the calculated results for the common gas-oil MMP correlations. The new model yielded the accurate prediction of the experimental gas-oil MMP with the lowest average relative and average absolute error among all tested gas-oil MMP correlations. In addition, the new model could be used for predicting the gas-oil MMP at higher fractions of non-CO2 componentsکلیدواژه ها
Support vector machines (SVM); Minimum miscibility pressure (MMP); Enhanced oil recovery (EOR); Miscible gas floodingمقالات مرتبط جدید
- نگاهی به نقش اقتصاد سیاسی ایران در مدیریت مصرف انرژی
- مقایسه روشهای نورتابی شیمیایی رادیکال *CH و *OH در استخراجپاسخ دینامیکی شعله جریان متقابل
- مطالعه عددی اثر تحریک جریان ورودی بر عملکرد یک انژکتور هممحور برشی تحت شرایط گذربحرانی
- مطالعه ساختار شعله متان هیدروژن در مشعل پیچشی سیدنی با استفاده از مدل احتراقی حجمی
- مطالعه تجربی اثر احتراق جریان چرخشی غیر پیش مخلوط بر پایداری، شدت تابش نور و دینامیک شعله پروپان - اکسیژن/هوا
اطلاعات بیشتر در مورد 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.