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

مقایسة روابط تجربی و تکنیک شبکة عصبی مصنوعی در تخمین خواص PVT نفتهای خام ایران

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۸ | تعداد نمایش خلاصه: ۱۲۲۳ | نظرات: ۰
سرفصل ارائه مقاله: نفت و گاز و صنایع وابسته، مهندسی نفت
سال انتشار: ۱۳۸۴
کد COI مقاله: NICEC10_405
زبان مقاله: فارسی
حجم فایل: ۲۷۶.۲۱ کلیوبایت (فایل این مقاله در ۱۸ 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 ۱۸ 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 مقایسة روابط تجربی و تکنیک شبکة عصبی مصنوعی در تخمین خواص PVT نفتهای خام ایران

  جلیل اسدی ساغندی - ایران، تبریز، دانشگاه صنعتی سهند، دانشکدة مهندسی شیمی

چکیده مقاله:

خواص سیال مخزن در محاسبات مهندسی مخزن مانند محاسبات موازنة جرم، آنالیز چاه آزمایی، تخمین ذخیرة مخزن، طراحی فرآیندهای بازیافت بهینه، ازدیاد تولید هیدروکربنها و شبیه سازی عددی مخزن، بسیار مهم می باشند . به صورت ایده آل، این خواص باید از اندازه گیری های واقعی آزمایشگاهی به دست آیند . با این حال، در بسیاری از موارد این اندازه گیری ها یا در دسترس نبوده
و یا دستیابی به آنها هزینه بر می باشد . در این موارد، روابط تجربی ) ) Correlations جهت پیش بینی خواص مورد نیاز به کار می روند . بنابراین کیفیت و دقت تمام محاسبات مذکور به دقت روابط به کار رفته در پیش بینی خواص سیال، وابسته است . [1]
جهت تعیین خواص فشار - حجم - دما ) ) PVT مربوط به سیالات هیدروکربوری مخازن نفتی، روابط تجربی متعددی ارائه شده است . سیالات نفتی مناطق گوناگون، خواص هیدروکربوری متفاوتی دارند . لذا می بایست این روابط تجربی در سیستم های هیدروکربوری گوناگون، از لحاظ دقت تخمین و دامنة کاربرد، مورد بررسی قرار گیرند . [2] این مطالعه به بررسی روابط تجربی گوناگون، جهت تعیین اعتبار کاربرد آنها در مورد سیالات هیدروکربوری میادین نفتی ایران پرداخته، محدودیت های این روابط در کاربرد بر روی داده های ایران را مورد تجزیه و تحلیل قرار داده و سپس مدل جدید شبکة عصبی مصنوعی را جهت تخمین خواص PVT نفت های خام ایران ارائه می دهد . در این راستا تعداد 130 سری دادة PVT متعلق به نمونه های نفتی گوناگون از میادین هیدروکربوری ایران در این مطالعه استفاده شده است . از مقایسة بین نتایج به دست آمده، مشخص می گردد که مدل شبکة عصبی مصنوعی، دقت بهتری جهت تخمین فشار اشباع نسبت به سایر روابط تجربی ارائه شده دارا می باشد . علاوه بر این جهت تخمین ضریب حجمی نفت سازند در فشار اشباع، مدل شبکة عصبی مصنوعی دارای حداکثرضریب همبستگی نسبت به سایر روابط می باشد . شبکه های عصبی مصنوعی همراه با برخی از تئوریها و الگوریتم ها یک علم جدید را ایجاد نموده اند . این علم جدید، بدن انسان را به عنوان یک منشأ عالی در نظر می گیرد، که با استفاده از آن می توان برخی اصول و سیستم های زیستی ) ) Biologic را جهت حل بسیاری از مسائل علمی و مهندسی به کار گرفت . آزمایش شبکه های عصبی مصنوعی در بسیاری از حوزه ها از جمله تشخیص الگو یا طبقه بندی هوشمند، پیش بینی و توسعة روابط تجربی با موفقیت همراه بوده است . اخیر اً شبکه های عصبی در کاربردهای مهندسی نفت عمومیت یافته اند . [3] در این مطالعه به تشریح
کاربرد این تکنیک در تعیین و پیش بینی پارامترهای PVT می پردازیم .

کلیدواژه‌ها:

خواص PVT نفت خام، رفتار فازی، روابط تجربی، شبکة عصبی 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-NICEC10-NICEC10_405.html
کد COI مقاله: NICEC10_405

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:
اسدی ساغندی, جلیل، ۱۳۸۴، مقایسة روابط تجربی و تکنیک شبکة عصبی مصنوعی در تخمین خواص PVT نفتهای خام ایران، دهمین کنگره ملی مهندسی شیمی ایران، زاهدان، دانشگاه سیستان و بلوچستان، https://www.civilica.com/Paper-NICEC10-NICEC10_405.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: (اسدی ساغندی, جلیل، ۱۳۸۴)
برای بار دوم به بعد: (اسدی ساغندی، ۱۳۸۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۵۵۰۹
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

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.