این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اکتشاف و تولید نفت و گاز، جلد ۱۳۹۵، شماره ۱۳۴، صفحات ۶۲-۶۷

عنوان فارسی استفاده از شبکه های عصبی مصنوعی و الگوریتم بهینه سازی ژنتیک جهت تخمین نسبت گاز محلول به نفت در نقطه ی حباب مخازن نفتی جنوب غرب ایران
چکیده فارسی مقاله هدف این پژوهش استفاده از توانایی هوش مصنوعی جهت تخمین خواص سیالات مخزن با دقت بیشتر نسبت به روش‌های تجربی است که کارآیی کمی دارند. بدین منظور پس از جمع‌آوری و سازمان‌دهی داده‌های مربوط به 36 نمونه آزمایش PVT3 که طی 56 سال تولید از مخزن انجام شده بود، جهت پیش‌بینی ضریب حجمی نفت سازندی، یک‌بار از شبکه‌ی عصبی مصنوعی و بار دیگر از تلفیقی از شبکه‌ی عصبی مصنوعی و الگوریتم ژنتیک استفاده گردید. از آنجا که Rsb4 تابعی از وزن مخصوص گاز، API نفت، دمای مخزن و فشار نقطه‌ی حباب است به‌عنوان داده‌های لایه‌ی ورودی استفاده شد. همان‌گونه که در ادامه مشاهده خواهد شد نتایج نشان می‌دهند که شبکه‌های عصبی نسبت به روابط تجربی که بر اساس داده‌های محلی خاص مناطق مختلف به‌دست آمده‌اند از دقت بسیار خوبی برای تخمین خواص سیالات مخزن برخوردارند. همچنین ترکیب شبکه‌ی عصبی مصنوعی با الگوریتم ژنتیک بسیار مفید بود؛ چراکه سبب افزایش بسیار زیاد سرعت همگرایی به سمت مدل دقیق و پایداری شبکه‌ی عصبی شد. شبکه‌ی عصبی مصنوعی طراحی شده میانگین انحراف نسبی حدود 8/1 درصدی را نشان می‌دهد.
کلیدواژه‌های فارسی مقاله

عنوان انگلیسی
چکیده انگلیسی مقاله
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله سید علیرضا طباطبایی نژاد | seyed alireza tabatabaei nejad
دانشگاه صنعتی سهند
سازمان اصلی تایید شده: دانشگاه صنعتی سهند (Sahand university of technology)

محمد برجسته |
شرکت ملی مناطق نفتخیز جنوب

مصیب کمری |



نشانی اینترنتی http://ekteshaf.nioc.ir/browse.php?a_code=A-10-138-1584&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات