حساسیت سنجی پارامترهای رگرسیون در میزان سازی معادله حالت PRجهت تعیین رفتار فازی سیالات نفتی یکی از مخازن نفت سیاه ایران
محل انتشار: اولین کنفرانس و نمایشگاه تخصصی نفت
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,127
فایل این مقاله در 8 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:
PTCE01_046
تاریخ نمایه سازی: 16 مهر 1392
چکیده مقاله:
عملیات رگرسیون برای تنظیم پارامترهای مختلف معادله حالت، جهت بهبود پیش بینی های معادله انجام می شود. در واقع، پارامترهای رگرسیون به نحوی تنظیم می گردند که بهترین تطابق بین نتایج معادله و داده های آزمایشگاهی موجود برای تخمین خواص سیالهیدروکربنی حاصل گردد. در این مقاله، نتایج مطالعه ای در دو قسمت آزمایشگاهی و شبیه سازی، به منظور تعیین پارامترهای مؤثر در روندرگرسیون معادله حالت برای دستیابی به بهترین تخمین خواص سیالات نفتی یکی از مخازن نفت سیاه ایران، ارائه می گردد. در بخش آزمایشگاهی، نمونه سیال فراهم شده تحت دو آزمایش انبساط با ترکیب ثابت و آزادسازی جزئی قرار گرفت. از داد ههای آزمایشگاهی به دست آمده، جهت انطباق نتایج شبیه سازی ضمن رگرسیون استفاده گردید. در قسمت شبیه سازی نیز که از شبیه ساز WinProp استفاده گردید، به بررسی تأثیری که یکپارچه سازی روی نتایج رگرسیون می گذارد، پرداخته شد و می توان چنین استنباط کرد که یکپارچه سازی همراه با به کارگیری پارامترهای رگرسیونی مناسب، انطباق خوبی را ارائه می دهد. در پایان مشاهده شد که، پارامترهای رگرسیون ضریبتأثیر متقابل دوتایی، پارامتر تصحیح حجم معادله حالت، فشار و دمای بحرانی، وزن مولکولی و ثابت های معادله حالت به ترتیب بیشترینحساسیت و نیز پارامتر های حجم بحرانی و ضریب بی مرکزی، کمترین حساسیت را در ارائه بهترین انطباق (ضمن رگرسیون برای برش های سنگین و شبه جزءها) دارا بودند
کلیدواژه ها:
نویسندگان
ابوالقاسم رضائیان
کارشناسی ارشد مهندسی مخازن هیدروکربوری- دانشکده مهندسی شیمی- دانشگاه صنعتی سهند- تبریز
مصیب کمری
کارشناسی ارشد مهندسی مخازن هیدروکربوری- ارزیابی مخازن- شرکت ملی نفت مناطق نفتخیز جنوب- اهواز
سید علیرضا طباطبایی نژاد
دانشیار مهندسی نفت- دانشکده مهندسی شیمی- دانشگاه صنعتی سهند- تبریز
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 :