Prediction of Bubble Point Pressure Using Artificial Neural Network
محل انتشار: ششمین کنگره بین المللی مهندسی شیمی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,303
فایل این مقاله در 7 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:
ICHEC06_537
تاریخ نمایه سازی: 1 مهر 1388
چکیده مقاله:
Knowledge of reservoir fluid properties is very important in various reservoir engineering computations such as material balance calculations, well testing, reserve estimating, and numerical reservoir simulations. Ideally, those data should be obtained experimentally. On some occasions, these data are not either available or reliable; then, empirically derived correlations are used to predict PVT properties. An enormous amount of PVT data has been collected and correlated over many years for different types of hydrocarbon systems. Almost all of these correlations were developed by linear or nonlinear multiple regression or graphical techniques. Artificial neural networks (ANN), once successfully trained, offer an alternative way to obtain reliable results for the determination of crude oil PVT properties.
کلیدواژه ها:
نویسندگان
Kiumars kamalyar
Petroleum University of Technology, Ahvaz, Iran
Morteza Yeganeh
Petroleum University of Technology, Ahvaz, Iran
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 :