ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Using a Proxy Model Network to Predict Liquid Loading

تعداد صفحات: 12 | تعداد نمایش خلاصه: 437 | نظرات: 0
سال انتشار: 1390
کد COI مقاله: IPEC03_191
زبان مقاله: انگلیسی
(فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Using a Proxy Model Network to Predict Liquid Loading

Ehsan Khamehchi - Assistant Professor, Faculty of Petroleum EngineeringAmirkabir University of Technology (Tehran Polytechnic
Seyed Vahid Yasrebi - MSc student of Petroleum Engineering, Amirkabir University of Technology (Tehran Polytechnic

چکیده مقاله:

The gas well loading phenomenon is one of the most serious problems that reduces, and eventually cuts, production in gas wells. This phenomenon occurs as a result of liquid accumulation of condensate inthe well bore. Over time, these liquids cause additional hydrostatic backpressure on the reservoir which results in a continual reduction of the available transport energy. The well therefore starts slugging whichgives an even larger chance of liquid accumulation that completelyovercomes the reservoir pressure and causes the well to die [1]. Typical solutions of loading phenomenon were to unload the well artificially; either mechanically using pumps or with gas lift kicking with nitrogen through coiled tubing. However, in addition to the expense and loss of production, artificial lift solutions remain temporary and the well is subject to reloading again. Therefore, thought was directed toward developing some solutions that enable the well to continuously unload itself without the aid of external help unloading operations [2].

کد مقاله/لینک ثابت به این مقاله

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/260165/

کد COI مقاله: IPEC03_191

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:
Khamehchi, Ehsan و Yasrebi, Seyed Vahid,1390,Using a Proxy Model Network to Predict Liquid Loading,سومین کنگره ملی مهندسی نفت,تهران,,,https://civilica.com/doc/260165

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: (1390, Khamehchi, Ehsan؛ Seyed Vahid Yasrebi)
برای بار دوم به بعد: (1390, Khamehchi؛ Yasrebi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • J. Duggan, Estimating Flow Rates Required to Keep Gas Wells ...
  • J. Lea , H. Nickens, Gas Well Deliquification :Solutions to ...
  • R. Turner et al, Analysis and Prediction of Minimum Flow ...
  • S. Coleman et al, A New Look at Predicting Gas-Well ...
  • N. Kumar, Improvements for Flow Correlations for Gas Wells Experiencing ...
  • J. Lescarboura, Handheld Calculator Program Finds Minimum Gas Flow for ...
  • M. Sayyouh et al, A New Approach for Accurate Prediction ...
  • L. Fauset, Fu ndamentals of Neural Networks, Prentice Hall, NJ ...
  • S. Mohaghegh, Neural Networks: What it Can do for Petroleum ...
  • University Press., NY. 1995. ...
  • S. Mohaghegh, Artificial Intelligence & Data Mining, (AI&DM). 2010. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله

    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: 19,748
    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

    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