CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بررسی مدلسازی هوش مصنوعی بر تخمین حداقل فشار امتزاج پذیری گاز غیره یدروکربنیک تزریقی به منظور افزایش تولید نفت

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۰۸۶ | نظرات: ۰
سال انتشار: ۱۳۸۸
کد COI مقاله: NEPC01_044
زبان مقاله: فارسی
حجم فایل: ۲۸۴.۴۶ کیلوبایت (فایل این مقاله در ۹ 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 ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی مدلسازی هوش مصنوعی بر تخمین حداقل فشار امتزاج پذیری گاز غیره یدروکربنیک تزریقی به منظور افزایش تولید نفت

مجید سجادیان - کارشناسی ارشد مهندسی نفت، واحد علوم و تحقیقات
محمدرضا عشایری - کارشناسی ارشد مهندسی نفت، واحد علوم و تحقیقات
بابک امین شهیدی - استادیار بخش مهندسی نفت، واحد علوم و تحقیقات
  ابوالقاسم امامزاده - دانشیار بخش مهندسی نفت، واحد علوم و تحقیقات

چکیده مقاله:

تزریق گاز امتزاج پذیر یکی از مهمترین و مؤثرترین روشهای ازدیاد برداشت نفت است. مهمترین پارامتر در طراحی این گونه فرایند ها « حداقل فشار امتزاج پذیری » است. حداقل فشار امتزاج پذیری کمترین فشاری است که سیال تزریق شده می تواند بصورت دینامیک و از طریق تماسهای مکرر با سیال مخزن به امتزاج پذیری برسد. درحال حاضر روشهای آزمایشگاهی تعیین حداقل فشار امتزاج پذیری عبارتند از آزمایش لوله قلمی و دستگاه حباب بالا رونده. به دلیل اینکه اینگونه آزمایشها بسیار وقت گیر و پر هزینه می باشند، بنابراین مدلسازی فرایند تماس چندگانه برای محاسبه و پیش بینی حداقل فشار امتزاج پذیری از اهمیت خاصی برخوردار است. در این تحقیق، دستگاه آزمایش لوله قلمی با است فاده ازروشهای هوش مصنوعی شامل شبکه عصبی مصنوعی، منطق فازی و الگوریتم ژنتیک شبیه سازی شده است . درشرایطی که در دمای مخزن و فشار تزریق، سیال مخزن و سیال تزریق شده به امتزاج پذیر شوند خواص هر دو فازکاملاً مشابه یکدیگر خواهد بود و در نهایت یک سیستم سیال تک فاز وجود خواهد داشت.

کلیدواژه‌ها:

تزریق گاز امتزاج پذیر - حداقل فشار امتزاج پذیری - هوش مصنوعی

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-NEPC01-NEPC01_044.html
کد COI مقاله: NEPC01_044

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:
سجادیان, مجید؛ محمدرضا عشایری؛ بابک امین شهیدی و ابوالقاسم امامزاده، ۱۳۸۸، بررسی مدلسازی هوش مصنوعی بر تخمین حداقل فشار امتزاج پذیری گاز غیره یدروکربنیک تزریقی به منظور افزایش تولید نفت، اولین کنگره ملی کاوش نفت و گاز - تولید صیانتی، اهواز، پژوهشکده آریا پژوهش آلفا، https://www.civilica.com/Paper-NEPC01-NEPC01_044.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: (سجادیان, مجید؛ محمدرضا عشایری؛ بابک امین شهیدی و ابوالقاسم امامزاده، ۱۳۸۸)
برای بار دوم به بعد: (سجادیان؛ عشایری؛ امین شهیدی و امامزاده، ۱۳۸۸)
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 :

  • Stosur, G.J., Singer, M.I., Luhning, R.W. and Yurko, W.J.: "Enhanced ...
  • Moritis, G.: «EOR Continues to Unlock Oil Resources, " Oil ...
  • International Petroleum News and Technology: "Oil & Gas Journal", PennWell, ...
  • Harvey, R.L., *Neural network principles" , Prentice Hall (1994) ...
  • Green, D.W. and Willhite, G.P.: "Enhanced Oil Recovery Henry L. ...
  • Lake, W.L.: "Enhanced _ Recovery", Prentice-Hal Inc, (1989) ...
  • (10) . Rathmell, J.J., Stalkup, F.I., and Hassinger, R.C.: _ ...
  • (24). Metcalfe, R.S., «Effects of impurities _ minimum miscibility pressures ...
  • Hoier, L. and Whitson, H.C.: "Miscibility Variation in Com positional ...
  • Danesh, A.: "PVT and Phase behavior of Petroleum Reservoir Fluids", ...
  • (39). Alston, R.B., Kokolis, G.P., James, C.F., "CO2 minimum miscibility ...
  • Correlation for impure CO2 streams and live oil systems" Society ...
  • (42). Dong, M., "Task -minimum miscibility pressure (MMP) studies, _ ...
  • Yuan, H., Johns, R.T., Egwuenu, A.M., Dindoruk, B. Improved MMP ...
  • 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 پیشنهادی مرتبط

    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.