Applying a Cutting Edge Solution to Predict Breakthrough Time of Water Coning in Naturally Fractured Reservoirs
محل انتشار: چهاردهمین کنگره ملی مهندسی شیمی ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,202
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NICEC14_742
تاریخ نمایه سازی: 3 آذر 1391
چکیده مقاله:
Water coning caused water flow into the wellbore from below the perforations and causes several problems in wellbore and surface facilities. For solve these problems, we must know breakthrough time of water in wellbore. In this paper, potential application of feed-forward Artificial Neural network (ANN) is proposed to predict breakthrough time of water coning. The BP is implemented here to decide on initial weights of the parameters used in neural network. The developed BP-ANN model is examined by using new experimental data. Results obtained from the developed BP-ANN model were compared with the experimental water coning data. The average relative absolute deviation between the model predictions and the experimental data was found to be less than 9%. Results from this study indicate that application of BP-ANN in breakthrough time prediction which can lead to design of more efficient production scenarios.
کلیدواژه ها:
نویسندگان
Mohammad Ali Ahmadi
petroleum University of Technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :