این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش نفت، جلد ۲۸، شماره ۹۷-۳، صفحات ۱۶-۲۹
عنوان فارسی مدل‌سازی کشش بین‎سطحی سیستم آب شور/ نفت خام/ سورفکتانت آنیونی با روش برنامه‎ریزی ژنتیک
چکیده فارسی مقاله مواد فعال‎سطحی به‎عنوان مهم‌ترین ترکیبات شیمیایی در فرآیند ازدیاد برداشت شیمیایی، می‏‏توانند با کاهش کشش بین‎سطحی میان محلول آبی تزریقی و نفت مخزن، ضمن تغییر ترشوندگی محیط متخلخل، مقادیر قابل‌توجهی از نفت باقی‎مانده در مخزن را که به‌صورت پراکنده درون حفره‌ها و گلوگاه‌ها به‎دام افتاده‏اند، آزاد کنند و به‎سمت چاه تولیدی هدایت نمایند. با توجه به نقش مواد فعال‎سطحی، لازم است روش‏هایی برای پیش‌بینی عملکرد آن‌ها در فرآیند ازدیاد برداشت ارائه شود. در پروژه‌ی حاضر، مجموعه‌ای از دو مدل‌ ریاضی داده‌محور برای تخمین‏‏ کشش بین‎سطحی سیستم آب‌شور/ نفت خام/ سورفکتانت آنیونی ساخته شده‌اند که در تولید آن‌ها از 598 داده تجربی استفاده شده است. برای ایجاد همبستگی میان متغیرهای مستقل و تابع هدف، از روش برنامه‌ریزی ژنتیک به‎عنوان یکی از قوی‌ترین ابزارهای مدل‌سازی بهره گرفته شده است. مجذور ضریب همبستگی (R2) روابط ایجاد شده برابر با 946/0 و 9387/0 و جذر میانگین مربعات خطا (RMSD) برای این روابط، برابر با mN/m 4439/3 و mN/m 3261/3 است. سادگی و تخمین‌های مناسب، از ویژگی‌های روابط تولید شده است.          
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Modelling Interfacial Tension of Crude Oil-Brine-Anionic Surfactant Using a Genetic Programming Approach
چکیده انگلیسی مقاله Surface active agents (surfactants) as the most important chemicals to enhance oil recovery (EOR) can reduce interfacial tension between the injected aqueous solution and the oil in a reservoir. They change wettability of the porous media to release and move the remaining oil trapped in the pores and throats towards the well. According to the important roles of the surfactants, it is necessary to predict their performance for EOR process. In this research, two data-based mathematical models were developed to estimate interfacial tension of the oil, salty water and anionic surfactant system using 598 experimental data. To obtain the correlations between the independent variables and the objective function, genetic programing has been applied. Squared correlation coefficient (R2) of the models is 0.946 and 0.9387; moreover, root-mean-square deviation (RMSD) of the models is 3.4439 mN/m and 3.3261 mN/m respectively. Simplicity and acceptable estimation are particular features of the models.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله دانیال ابوعلی |
دانشکده‌ مهندسی شیمی، نفت و گاز، دانشگاه علم و صنعت، تهران، ایران

شاهرخ شاه‌حسینی |
دانشکده‌ مهندسی شیمی، نفت و گاز، دانشگاه علم و صنعت، تهران، ایران

محمد امین ثباتی |
دانشکده‌ مهندسی شیمی، نفت و گاز، دانشگاه علم و صنعت، تهران، ایران

مهدی عصاره |
دانشکده‌ مهندسی شیمی، نفت و گاز، دانشگاه علم و صنعت، تهران، ایران

نشانی اینترنتی http://pr.ripi.ir/article_879_4a359986faf5bd1944b23e58d3d7c3e5.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1344/article-1344-843570.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