neural network based particle swarm optimization for prediction of water breakthrough time
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,403
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICOGPP01_659
تاریخ نمایه سازی: 22 مرداد 1391
چکیده مقاله:
Water coning caused water flow into the wellbore from below the perforations and causes several problems in wellbore and surface facilities. For solve these problems, we must know breakthrough time of water in wellbore. In this paper, potential application of feed-forward Artificial Neural network (ANN) optimized by Particle Swarm Optimization (PSO) is proposed to predict breakthrough time of water coning. The PSO is implemented here to decide on initial weights of the parameters used in neural network. Results obtained from the developed PSO-ANN model were compared with the experimental water coning data. The average relative absolute deviation between the model predictions and the experimental data was found to be less than 6.5%. Results from this study indicate that application of PSO-ANN in breakthrough time prediction which can lead to design of more efficient production scenarios.
نویسندگان
arash yazdanpanah
petroleum university of technology
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 :