این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Chemistry and Chemical Engineering، جلد ۲۹، شماره ۳، صفحات ۱۰۹-۱۲۲
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Neural Network Meta-Modeling of Steam Assisted Gravity Drainage Oil Recovery Processes
چکیده انگلیسی مقاله Production of highly viscous tar sand bitumen using Steam Assisted Gravity Drainage (SAGD) with a pair of horizontal wells has advantages over conventional steam flooding. This paper explores the use of Artificial Neural Networks (ANNs) as an alternative to the traditional SAGD simulation approach. Feed forward, multi-layered neural network meta-models are trained through the Back-Error-Propagation (BEP) learning algorithm to provide a versatile SAGD forecasting and analysis framework. The constructed neural network architectures are capable of estimating the recovery factors of the SAGD production as an enhanced oil recovery method satisfactorily. Rigorous studies regarding the hybrid static-dynamic structure of the proposed network are conducted to avoid the over-fitting phenomena. The feed forward artificial neural network-based simulations are able to capture the underlying relationship between several parameters/operational conditions and rate of bitumen production fairly well, which proves that ANNs are suitable tools for SAGD simulation.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله نجمه ال علی |
faculty of chemical amp;amp; petroleum engineering, sharif university of technology, tehran, i.r. iran
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)

محمودرضا پیشوایی | mahmoud reza
faculty of chemical amp;amp; petroleum engineering, sharif university of technology, tehran, i.r. iran
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)

وحید تقی خانی |
faculty of chemical amp;amp; petroleum engineering, sharif university of technology, tehran, i.r. iran
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)

نشانی اینترنتی http://www.ijcce.ac.ir/article_6644_13b6a8eabea0b3db59a0c78bce67a970.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات