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

Using a Proxy Model Network to Predict Liquid Loading

Year: 1390
COI: IPEC03_191
Language: EnglishView: 493
This Paper With 12 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 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

Ehsan Khamehchi - Assistant Professor, Faculty of Petroleum EngineeringAmirkabir University of Technology (Tehran Polytechnic
Seyed Vahid Yasrebi - MSc student of Petroleum Engineering, Amirkabir University of Technology (Tehran Polytechnic

Abstract:

The gas well loading phenomenon is one of the most serious problems that reduces, and eventually cuts, production in gas wells. This phenomenon occurs as a result of liquid accumulation of condensate inthe well bore. Over time, these liquids cause additional hydrostatic backpressure on the reservoir which results in a continual reduction of the available transport energy. The well therefore starts slugging whichgives an even larger chance of liquid accumulation that completelyovercomes the reservoir pressure and causes the well to die [1]. Typical solutions of loading phenomenon were to unload the well artificially; either mechanically using pumps or with gas lift kicking with nitrogen through coiled tubing. However, in addition to the expense and loss of production, artificial lift solutions remain temporary and the well is subject to reloading again. Therefore, thought was directed toward developing some solutions that enable the well to continuously unload itself without the aid of external help unloading operations [2].

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/260165/

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:
Khamehchi, Ehsan and Yasrebi, Seyed Vahid,1390,Using a Proxy Model Network to Predict Liquid Loading,سومین کنگره ملی مهندسی نفت,تهران,,,https://civilica.com/doc/260165

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, Khamehchi, Ehsan؛ Seyed Vahid Yasrebi)
برای بار دوم به بعد: (1390, Khamehchi؛ Yasrebi)
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 :

  • J. Duggan, Estimating Flow Rates Required to Keep Gas Wells ...
  • J. Lea , H. Nickens, Gas Well Deliquification :Solutions to ...
  • R. Turner et al, Analysis and Prediction of Minimum Flow ...
  • S. Coleman et al, A New Look at Predicting Gas-Well ...
  • N. Kumar, Improvements for Flow Correlations for Gas Wells Experiencing ...
  • J. Lescarboura, Handheld Calculator Program Finds Minimum Gas Flow for ...
  • M. Sayyouh et al, A New Approach for Accurate Prediction ...
  • L. Fauset, Fu ndamentals of Neural Networks, Prentice Hall, NJ ...
  • S. Mohaghegh, Neural Networks: What it Can do for Petroleum ...
  • University Press., NY. 1995. ...
  • S. Mohaghegh, Artificial Intelligence & Data Mining, (AI&DM). 2010. ...
  • 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.

    علم سنجی و رتبه بندی Paper

    مشخصات مرکز تولید کننده این Paper به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 20,797
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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