Application of Intelligent Models for Prediction of Solution Gas Oil Ratio
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,152
- 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:
RESERVOIR05_005
تاریخ نمایه سازی: 27 بهمن 1394
چکیده مقاله:
Accurate calculation of PVT properties is a basic requirement for petroleum engineering computations like reservoir simulation, material balance, and well-test. Experimental tests of PVT are time-consuming and costly. Therefore, prediction models for PVT properties such as bubble point pressure, dew point pressure and solution gas oil ratio have been developed using regression models. In this study, new intelligent models for solution gas oil ratio were developed using more than 1100 experimental data series. Two robust intelligent tools, namely adaptive neuro-fuzzy inference system (ANFIS) and artificial neural network were used for development of the models. Precise comparison of the developed models with other published correlation showed that the developed models are superior to all other correlations. Comparison of the ANFIS model and ANN model showed that, ANFIS model is more accurate than ANN model and is the best model for calculation of solution gas oil ratio
کلیدواژه ها:
solution gas oil ratio ، crude oil ، adaptive neuro-fuzzy inference system ، artificial neural network
نویسندگان
Seyed Morteza Tohidi Hosseini
Master Student of Production Engineering, Amirkabir University of Technolgy
Sina Shahriari Moghaddam
Master Student of Petroleum Facilities, Amirkabir University of Technology
Babak Ahmadirad
Master Student of Reservoir Engineering, Oloom Tahqiaqat University
Mehran Hashemi Doulatabadi
Bsc of Petroleum Engineering, Amirkabir University of Techonology
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 :