پیش بینی پارامترهای مکانیک سنگ در مخازن هیدروکربوری با استفاده از روش های مختلف هوش مصنوعی
Authors
Abstract:
This article doesn't have abstract
similar resources
پیش بینی تغییر ترکیب سیالات در مخازن هیدروکربوری با ارتفاع با در نظر گرفتن نفوذ حرارتی
پدیده تغییر ترکیب مخازن هیدروکربوری به نسبت ارتفاع بر اثر دو عامل نیروی گرانشی زمین و نفوذ حرارتی ناشی از وجود گرادیان حرارتی در مخزن بوجود می آید . فرآیند تشکیل این گرادیان ترکیب براساس ترمودینامیک کلاسیک(تعادلی)قابل بیان نیست. با این وجود در تمامی مدلهایی که برای پیش بینی این پدیده ارائه گشته است،سیالات مخزن در تعادل شیمیایی فرض شده و اثر نفوذ حرارتی نادیده گرفته می شود. مدل حاضر نخستین مدل م...
full textپیش بینی میزان صادرات خرمای ایران با استفاده ازروش های اقتصادسنجی و هوش مصنوعی
در این مطالعه با استفاده از روشهای اقتصادسنجی ARMA ، GARCH و روشهای هوش محاسباتی، شبکهی عصبی مصنوعی و الگوریتم ژنتیک اقدام به پیشبینی میزان صادرات خرمای ایران برای دورهی 1395-1389 شد. بهمنظور انجام بررسیها از دادههای مربوط به دورهی زمانی 1388-1346 استفاده گردید. از دادههای دورهی 1384-1346 بهمنظور مدلسازی و از دادههای 4 سال آخر برای بررسی قدرت پیشبینی استفاده شد. نتایج مطالعه نشا...
full textبررسی نقش پارامترهای مکانیک سنگی در شکست هیدرولیکی سنگ مخازن هیدروکربوری
شکست هیدرولیکی یکی از تکنیک های تحریک مخازن می باشد که برای افزایش تولید هیدروکربن ها مورد استفاده قرار می گیرد. در این تحقیق، رفتار تراوشی سیال، نحوه گسترش شکست و همچنین اندرکنش بین شکست هیدرولیکی و ناپیوستگی ها مورد بررسی قرار گرفت. به منظور انجام تحلیل ها از نرم افزار pfc2d استفاده شد. از آنجایی که این نرم افزار در تخمین مقاومت کششی دارای دقت کافی نمی باشد، در این مطالعه سعی بر آن شد تا این ...
15 صفحه اولمقایسه قدرت پیش بینی بحران مالی توسط تکنیک های مختلف هوش مصنوعی
امروزه پیشرفت سریع فن‌آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیشبینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصبی) است. بر اساس اطلاعات و آمارهای در دسترس شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1389-1376، از بین شرکت‌ها...
full textپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
full textپیش بینی تغییر ترکیب سیالات در مخازن هیدروکربوری با ارتفاع با در نظر گرفتن نفوذ حرارتی
پدیده تغییر ترکیب مخازن هیدروکربوری به نسبت ارتفاع بر اثر دو عامل نیروی گرانشی زمین و نفوذ حرارتی ناشی از وجود گرادیان حرارتی در مخزن بوجود می آید . فرآیند تشکیل این گرادیان ترکیب براساس ترمودینامیک کلاسیک(تعادلی)قابل بیان نیست. با این وجود در تمامی مدلهایی که برای پیش بینی این پدیده ارائه گشته است،سیالات مخزن در تعادل شیمیایی فرض شده و اثر نفوذ حرارتی نادیده گرفته می شود. مدل حاضر نخستین مدل م...
full textMy Resources
Journal title
volume 1389 issue 72
pages 44- 51
publication date 2010-10
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023