CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Neuralnetwork prospect in immiscible flooding modeling

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۶ | تعداد نمایش خلاصه: ۲۸۲ | نظرات: ۰
سال انتشار: ۱۳۹۰
نوع ارائه: پوستر
کد COI مقاله: IPEC03_125
زبان مقاله: انگلیسی
حجم فایل: ۱.۱۴ مگابات (فایل این مقاله در ۱۶ 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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Neuralnetwork prospect in immiscible flooding modeling

چکیده مقاله:

In spite of several decades of artificial neural network research in other engineering disciplines, only recently work has been reported on its use as aprediction tool in petroleum engineering applications. Existing methods for the prediction of fluid flow in porous media include numerical simulation techniquesand laboratory core flood experiments. Both of these methods are generally expensive and time consuming. However, neural networks, once successfullytrained, can be used to predict reservoir performance in a short time with a personal computer. An artificial neural network was developed using dataobtained from fine-mesh numerical simulation to predict the breakthrough oil recovery of immiscible displacement of oil by water in a two-dimensional vertical cross section

کلیدواژه‌ها:

Artificialneural network,immiscible flooding,EOR

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://www.civilica.com/Paper-IPEC03-IPEC03_125.html
کد COI مقاله: IPEC03_125

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:
Mohammadi, MohammadAli; Jamshid Moghadasi; Mohammadsadegh Momeni & MohammadJavad Mohammadi, ۱۳۹۰, Neuralnetwork prospect in immiscible flooding modeling, سومین کنگره ملی مهندسی نفت, تهران, انستیتو مهندسی صنعت نفت, https://www.civilica.com/Paper-IPEC03-IPEC03_125.html

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: (Mohammadi, MohammadAli; Jamshid Moghadasi; Mohammadsadegh Momeni & MohammadJavad Mohammadi, ۱۳۹۰)
برای بار دوم به بعد: (Mohammadi; Moghadasi; Momeni & Mohammadi, ۱۳۹۰)
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 مقاله لینک شده اند :

  • Study.Proc. SPE Annu. Tech. Conf. Exhibition 1991, 273-286. Briones, M.F.; ...
  • Networks .Proc.SPE Latin Am. Caribbean Pet. Eng. Conf. Buenos Aires, ...
  • (3) Fayers, F.J. An Approximate Model with Physically Interpretable Parameters ...
  • (6) Habiballah, W.A.; Startzman, R. A, ;Barrufet, M.A.Use of Neural ...
  • (8) Koval, E. J. A Method for Predicting the Performance ...
  • (9) Kumoluyi, A. 0.; Daltaban, T. S. Higher-Order Neural Networks ...
  • (11) Mohaghegh, S.; Arefi, R.; Ameri, S. Design and Development ...
  • (12) Odeh, A. S. A Proposed Technique for Simulation of ...
  • Vol. 1, Chapter 8, pp ...
  • (15) Shook, M.; Li, D.; Lake, W.L. Scaling Immiscible Flow ...
  • .۳۰۴-ه۲۹ Networks .Proc. SPE Pet. Comput. Conf. ۱۹۹۲, ...
  • (10) Lake, L. W. Enhanced O Recouery; 1989. 1 988, ...
  • (16)Smith, M.; Carmichael, N.; Reid, I.; Bruce, C. Lithofacies Determ ...
  • (17) Todd, M. R.; Longstaff, W. J. The Development, Testing, ...
  • (18) Waller, M. D.; Rowsell, P. J. Intelligent Well Control ...
  • Estimation from Well Logs in Quantitative Log Analysis: A Comparative ...
  • (20) Zhou, C. D.; Wu, X. L.; Cheng, J. A. ...
  • _ 1 [RidhaGharbi et al, Main. An Artificial Neural Network ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    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.