این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش نفت، جلد ۲۵، شماره ۸۴، صفحات ۱۳۵-۱۴۹
عنوان فارسی توسعه شبکه عصبی مصنوعی مبتنی بر الگوریتم ژنتیک به منظور پیش‌بینی آزمایش‌های PVT چاه‌های نفت در صنایع بالادستی
چکیده فارسی مقاله در مرحله صیانت از مخازن نفتی صنایع بالادستی، آزمایش‌های پیچیده‌ای موسوم به PVT برای شناسایی خواص سیالات مخزن انجام می‌گیرد. وجود مشکلاتی چون خطرات احتمالی، زمان‌بر بودن، دقیق نبودن نمونه‌ها و محدودیت‌های دما و فشار، باعث شده تا استفاده از روش‌های هوشمند در این حوزه گسترش یابد. در این پژوهش به منظور اجتناب از مشکلات مذکور و یافتن رابطه پیچیده و غیرخطی داده‌های آزمایش‌های‌ PVT از شبکه عصبی مصنوعی بهره گرفته شده است. همچنین، از الگوریتم ژنتیک به منظور تعیین مقادیر بهینه پارامترهای مدل شبکه‌ عصبی در فرآیند آموزش استفاده شده است. به منظور ارزیابی رویکرد توسعه یافته از مجموعه داده‌های چاه‌های نفتی جنوب ایران بهره گرفته شد و نتایج حاصل نشان می‌دهد که استفاده از شبکه عصبی مصنوعی مبتنی بر الگوریتم ژنتیک، برخلاف روش‌های کلاسیک، در زمان کمتر و با دقت بالایی خواص سیالات مخزن (ضریب حجمی سیال و فشار نقطه حباب) را پیش‌بینی می‌نماید. در نتیجه، کارشناسان و مدیران صنایع بالادستی مخازن نفتی ایران می‌توانند از شبکه عصبی پیشنهادی در راستای پیش‌ینی آزمایش‌های PVT بهره گیرند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Genetic Algorithm-based Artificial Neural Network for Prediction of Oil PVT Properties in the Upstream Industries
چکیده انگلیسی مقاله At the level of preservation of oil wells in upstream oil industries, complicated experimentations, called PVT, are done for the recognition of reservoir fluid properties. Problems such as probable dangers, time consuming, and the inaccuracy of samples and limitations in temperature and pressure have led to tend to increase the use of intelligent methods in this field. In this study, in order to avoid the mentioned problems and find the complex and nonlinear relationships between data and PVT experiments, artificial neural network has been used. Because the suitable choice of the initial weights increases the neural network efficiency, genetic algorithm is used in order to adjust the initial weights. For evaluating the proposed approach, Iran oil reservoir fluid properties are implemented. The results of research showed that the use of genetic algorithm-based artificial neural network, in contrast to the classical methods, predicts the reservoir fluid properties in a shorter time and with high accuracy. Therefore, the proposed neural network can be seen as a powerful approach toward the prediction of Iran oilfield oil PVT properties.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن اسلام نژاد |
روه مهندسی فناوری و اطلاعات، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران، ایران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

حسین اکبری پور |
بخش مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران، ایران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

محمدرضا امین ناصری | mohammad reza amin naseri
بخش مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران، ایران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://pr.ripi.ir/article_555_74.html
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1344/article-1344-236627.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات