|
Title
|
كاربرد روش هاي مبتني بر كامپيوتر و مدلسازي به منظور پيش بيني كشش سطحي و بين سطحي
|
|
Type
|
Thesis
|
|
Keywords
|
كشش سطحي/بين سطحي، گاز، نفت، آب، روش هوشمند، مدلسازي
|
|
Abstract
|
كشش سطحي/بين سطحي پارامتري مهم در سه سيستم گاز-آب، گاز-نفت و نفت-آب است كه مي تواند بر جنبه هاي مختلف فرآيندهاي زيرزميني و همچنين عمليات هاي وابسته در تجهيزات سطحي اثرگذار باشد. در اين راستا، نقش كنترل كننده اين پارامتر بر نحوه توزيع سيالات، تحرك پذيري آنها در محيط متخلخل، به دام افتادگي فازها و اشباع باقيمانده سيالات در لايه هاي زيرزميني انكارناپذير است. لذا يكي از عوامل جدايي-ناپذير در طراحي و شبيه سازي روش هاي ذخيره سازي و بازتوليد گاز، توليد طبيعي از مخازن نفت و گاز و همچنين ازدياد برداشت محسوب مي شود. علاوه بر اين، كشش سطحي/بين سطحي نقش مهمي در جدايش فازها و تشكيل امولوسيون در خطوط انتقال سيالات و تجهيزات واحد بهره برداري ايفا مي كند. بنابراين، مدلسازي اين پارامتر حائز اهميت مي تواند به درك عميق تر و همچنين شبيه سازي هر چه بهتر فرآيندهاي مذكور منتج گردد. به علاوه، با وجود اندازه گيري آزمايشگاهي اين پارامتر، لزوم پيش بيني يا تخمين آن در شرايط مختلف به عنوان بخشي از روند شبيه سازي فرآيندهاي وابسته امري ضروري است. در اين پژوهش، به مدلسازي پارامتر كشش سطحي/بين سطحي با استفاده از روش هاي هوشمند نوين (هوش مصنوعي) و تركيبي (هيبريدي) براي سه سيستم گاز-آب، گاز-نفت و نفت-آب، پرداخته شده است. روش هاي هوشمند فوق الذكر شامل LS-Boost، MLP، LS-SVM، CMIS، RBF و ELM مي شوند. همچنين برخي از اين روش هاي هوشمند با الگوريتم هاي بهينه سازي همچون ICA، GWO، WOA، LM، BR، SCG و CSA به منظور تنظيم پارامترها يا فراپارامترها تركيب شده اند. در اين پژوهش، بررسي سازگاري داده هاي پيش بيني شده توسط مدل ها و داده هاي آزمايشگاهي با استفاده از آناليزهاي گرافيكي و آماري گوناگوني انجام شده است. نتايج حاصل از مدلسازي ها نشان مي دهد كه الگوريتم هاي مدلسازي LS-Boost و CMIS بهترين عملكرد را از ميان مدل هاي توسعه يافته در اين پژوهش داشته اند. مقادير پارامتر آماري R2 براي مدل هاي CMIS، GWO-LSBoost و WOA-LSBoost در مدلسازي كشش سطحي/بين سطحي سيستم هاي گاز-آب، نفت-آب و گاز-نفت به ترتيب برابر با 9963/0، 9991/0 و 9957/0 است.
|
|
Researchers
|
Mohammad Behnam nia (Student) , Abolfazl Dehghan Monfarad (Primary advisor) , Mohammad Sarmadi valeh (Advisor)
|