ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
Paper
Title

Developing a Model Based on a Hybrid Neural Particle Swarm Optimization for Prediction of Dew Point Pressure

Year: 1390
COI: IPEC03_136
Language: EnglishView: 588
This Paper With 19 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 19 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

Abstract:

Dew point pressure is one of the most important parameters to characterize gas condensate reservoirs. Experimental determination of dew point pressure (DDP) in a window PVT cell is often difficultespecially in case of lean retrograde gas condensate. Therefore, searching for fast and robust algorithms for determination of DPP isusually needed. Despite of the wide range of applications and flexibility of ANNs in petroleum industries, design and structural optimization ofneural networks is still strongly dependent upon the designer's experience. To mitigate this problem, this paper presents a newapproach based on a hybrid neural particle swarm optimization to determine the DPP. Then, equations for DPP prediction by using theoptimized weights of network have been generated. With the obtained correlation, the user may use such results without a running the ANNsoftware. Consequently, this new model is compared with results obtained using other conventional models to make evaluation among different techniques. The results show that the hybrid model can be applied effectively and afford high accuracy and dependability for DPP forecasting for the wide range of gas properties and reservoir temperatures.

Keywords:

Gas condensate reservoir; Dew point pressure; Artificial neural network; Particle swarm optimization

Paper COI Code

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/260111/

How To Citation:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Kaydani, Hossein and Hajizadeh, Ali and Mohebbi, Ali,1390,Developing a Model Based on a Hybrid Neural Particle Swarm Optimization for Prediction of Dew Point Pressure,سومین کنگره ملی مهندسی نفت,تهران,,,https://civilica.com/doc/260111

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390, Kaydani, Hossein؛ Ali Hajizadeh and Ali Mohebbi)
برای بار دوم به بعد: (1390, Kaydani؛ Hajizadeh and Mohebbi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مPaperقاله لینک شده اند :

  • Gharbi, R., 1997. Estimating the isothermal com pressibility coefficient of ...
  • Guo, T.M. and Du, L, 1989. A new th ree-pa ...
  • Humoud, A.A. and Al-Marhoun, M.A., 2001. A new correlation for ...
  • Kasabov, N.K., 1998. Foundation of neural networks, fuzzy systems and ...
  • SWarm optimization. , vol. ...
  • approach for reservoir heterogeneity cha racterization using artificial neural networks. ...
  • Nasrifar, Kh. and Moshfeghian, M., 2002. Vapor-iquid equilibria of LNG ...
  • Nementh, L.K. and Kennedy, H.T., 1967, A correlation of Dew ...
  • Phase Behavior of Oil and Gas from Paloma Field, AlME ...
  • Mohaghegh, S., Ameri, S. and Aminian, K., 1996. A methodolog ...
  • Saemi, M., Ahmadi, M., Yazdian, A., 2007. Design of neural ...
  • Yisheng, F., Baozhu, L. and Yongle, H., 1998, Condensate Gas ...
  • Wei, H.L., Billings, S.A., 2008. General ized cellular neural networks ...
  • Zhang, J.R., Zhang, J., Lok, T.M., Lyu, M., 20 07. ...
  • Zhang, M. and Mei, H., 1998. A K-Value Com positional ...
  • from a Louisiana field, AIME 189, pp. 261-268. ...
  • Saker, R., Danesh, A.S. and Todd A.C., 1991. Phase Behavior ...
  • -1.213 -2.281 -0.990 -0.916 1.362 ...
  • Table 3 : Accuracy of the various methods for predlicting ...
  • Yisheng et al. (1998) 24.81 27.45 ...
  • 882 -0.408 -0.025 1.105 0.646 ...
  • Nemeth and Kennedy (1967) 19.26 28.55 0.317 0.10 ...
  • 001 0.0045 0.0047 0.6073 0.1383 0.633 0..13 0.0238 0.1 ...
  • 0162 0.0376 0.0355 0.0383 .0853 0.1057 .1415 0.0495 0.575 .0689 ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم

    اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    New Papers

    Share this page

    More information about COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    Support