پیش بینی خواص فیزیکی سیالات مخزن نفت با استفاده از الگوریتم ژنتیک
- سال انتشار: 1391
- محل انتشار: دومین همایش کامپیوتر، برق و فناوری اطلاعات
- کد COI اختصاصی: CCIEEE02_053
- زبان مقاله: فارسی
- تعداد مشاهده: 1607
نویسندگان
دانشگاه بوعلی سینا
چکیده
دانستن خواص فیزیکی و شیمیایی هیدروکربن ها برایمحاسبات مهندسی تولید و مهندسی مخزن از قبیل تست چاه تخمین ذخیره مخزن و ... بسیاربا اهمیت می باشد این خصوصیات همچنین برروی حرکت سیالات مخزن ودرنهایت میزان واقعی تولید تاثیر می گذارند بطور ایده آل این خواص از طریق آزمایشات مختلفی به نام PVT بدست می آیند اما گاه درشرایطی این اطلاعات دردسترس نیستند و یا صحیح نبوده و غیرقابل اعتمادند یک سری روابط ریاضی توسط افراد مختلف برای محاسبه خواص سیالات نفتی درمحدوده های مخشص به وسیله داده های محلی مناطق مختلف ارایه شده است درسالهای اخیر با توجه به رشد روزافزون متدهای هوشمند نظیر شبکه های عصبی و ژنتیک الگوریتم بسیاری را برآن داشت تا مشکلات و موانع موجود و غیرقابل حل را به وسیله این متدها مرتفع سازند درهمین زمینه پیش بینی خواص فیزیکی سیالات مخزن به وسیله الگوریتم های ژنتیک از مهمترین اهداف انجام این پروژه تحقیقاتی بوده است.کلیدواژه ها
آزمایشهای سیالی نفت PVT - تخمین پاسخ الگوریتم ژنتیک - جهش Mutation) - تقاطع چندکروموزوم CrossOver)مقالات مرتبط جدید
- فرصت ها و چالش های هوش مصنوعی در مطالعات علوم انسانی و اسلامی
- تبیین ماهیت فناوری بر مبنای نظریات فارابی در احصاء العلوم
- ESP Teachers’ Perceptions of the Integration of ChatGPT in Language Education
- A Systematic Literature Review on the Usability Evaluation of Academic Websites
- تاثیر رایانه بر پیشرفت تحصیلی و بهداشت روانی دانش آموزان برای اولین همایش ملی تعامل انسان و رایانه: نظریه ها و کاربردها
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.