Development of an Adaptive Neuro-Fuzzy based Model for Prediction of Minimum Miscibility Pressure
محل انتشار: دومین کنگره مهندسی نفت ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,619
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IPEC02_090
تاریخ نمایه سازی: 22 خرداد 1391
چکیده مقاله:
In this paper, a neuro-fuzzy hybrid approach was used to construct a CO2 MMP predicting system during design a gas injection project. In particular, we used an adaptive network-based fuzzy inference system (ANFIS) to build a prediction model for reservoir management. In neuro-fuzzy inference system, zero order Sugeno-type inference technique was used to perform approximate reasoning of fuzzy input variables. In addition, hybrid learning algorithm, combining back propagation learning and linear least-squares estimator, was preferred for the adaptation of free parameters. Consequently, neuro-fuzzy model was compared with results obtained using multiple linear regression methodology in addition to other conventional models to make comparison among different techniques. The results demonstrate that the ANFIS can be applied successfully and provide high accuracy and reliability for MMP forecasting
کلیدواژه ها:
نویسندگان
a Ameri
Department of Chemical Engineering, Tarbiat Modares University, Tehran, I.R. Iran, P.O. Box. ۱۴۱۱۵-۴۸۳۸
m Vafaie Seftie
Department of Chemical Engineering, Tarbiat Modares University, Tehran, I.R. Iran, P.O. Box. ۱۴۱۱۵-۴۸۳۸
S.A Mousavi Dehghani
Research Institute of Petroleum Industry, NIOC, RIPI, Tehran, I.R. Iran, P.O. Box. ۱۸۷۴۵-۴۱۶۳
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 :