دانلود مقاله ISI انگلیسی شماره 138605
ترجمه فارسی عنوان مقاله

توسعه مدل شبکه عصبی مصنوعی برای پیش بینی فشار نقطه حباب نفت خام

عنوان انگلیسی
Development of an artificial neural network model for prediction of bubble point pressure of crude oils
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
138605 2018 11 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 7370 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 13 روز بعد از پرداخت 88,440 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 176,880 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Petroleum, Available online 16 March 2018

ترجمه کلمات کلیدی
شبکه های عصبی مصنوعی، فشار نقطه حباب، همبستگی تجربی، تحلیل آماری،
کلمات کلیدی انگلیسی
Artificial neural network; Bubble point pressure; Empirical correlation; Statistical analysis;
پیش نمایش مقاله
پیش نمایش مقاله توسعه مدل شبکه عصبی مصنوعی برای پیش بینی فشار نقطه حباب نفت خام

چکیده انگلیسی

Bubble point pressure is one of the most important pressure–volume–temperature properties of crude oil, and it plays an important role in reservoir and production engineering calculations. It can be precisely determined experimentally. Although, experimental methods present valid and reliable results, they are expensive, time-consuming, and require much care when taking test samples. Some equations of state and empirical correlations can be used as alternative methods to estimate reservoir fluid properties (e.g., bubble point pressure); however, these methods have a number of limitations. In the present study, a novel numerical model based on artificial neural network (ANN) is proposed for the prediction of bubble point pressure as a function of solution gas–oil ratio, reservoir temperature, oil gravity (API), and gas specific gravity in petroleum systems. The model was developed and evaluated using 760 experimental data sets gathered from oil fields around the world. An optimization process was performed on networks with different structures. Based on the obtained results, a network with one hidden layer and six neurons was observed to be associated with the highest efficiency for predicting bubble point pressure. The obtained ANN model was found to be reliable for the prediction of bubble point pressure of crude oils with solution gas–oil ratios in the range of 8.61–3298.66 SCF/STB, temperatures between 74 and 341.6 °F, oil gravity values of 6–56.8 API and gas gravity values between 0.521 and 3.444. The performance of the developed model was compared against those of several well-known predictive empirical correlations using statistical and graphical error analyses. The results showed that the proposed ANN model outperforms all of the studied empirical correlations significantly and provides predictions in acceptable agreement with experimental data.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 7370 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 13 روز بعد از پرداخت 88,440 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 176,880 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.