期刊文献+

人工神经网络法预测二氧化碳-原油最小混相压力 被引量:2

在线阅读 下载PDF
导出
摘要 CO2-原油的最小混相压力(MMP)是CO2采油过程中,尤其是混相驱油过程中的一个非常重要的参数。目前预测最小混相压力的方法中,实验法费时且花费很大;传统的数值方法只针对特定的油藏,适应性不强。鉴于此,亟需找到一种快速稳定的数学方法来预测最小混相压力。本文主要采用人工神经网络算法,通过建立网络模型,对地下油层中影响最小混相压力的主要因素-注入气体组分、油层温度和油层组成进行拟合来预测最小混相压力。文章还将该算法的预测结果与其它一些算法的结果进行了对比。通过对CO2-原油最小混相压力进行模拟预测,可为注入CO2采油提供可靠的理论依据,并以此指导注入CO2提高原油采收率工程的顺利实施。
出处 《化工进展》 EI CAS CSCD 北大核心 2012年第S1期526-526,共1页 Chemical Industry and Engineering Progress
  • 相关文献

同被引文献30

  • 1邱淑芳,周其华,王泽文.改进的GM(1,1)模型及其在地下水环境预测中的应用[J].东华理工学院学报,2006,29(2):176-180. 被引量:15
  • 2江怀友,沈平平,陈立滇,齐仁理,姚约东,吕威.北美石油工业二氧化碳提高采收率现状研究[J].中国能源,2007,29(7):30-34. 被引量:51
  • 3谷丽冰,李治平,欧瑾.利用二氧化碳提高原油采收率研究进展[J].中国矿业,2007,16(10):66-69. 被引量:72
  • 4SOYTAS U, SARI R, EWING B T. Energy consumption, income, and carbon emissions in the United States[ J]. Ecological Econom- ics, 2007, 62(3): 482-489.
  • 5SCHMALENSEE R, STOKER T M, JUDSON R A. World carbon dioxide emissions: 1950-2050 [ J]. Review of Economics and Statis- tics, 1998, 80(1): 15-27.
  • 6PAO H T, TSAI C M. Modeling and forecasting the CO2 emissions, energy consumption, and economic growth in Brazil [ J ]. Energy, 2011, 36(5) : 2450-2458.
  • 7NIU Wei, CHENG Juan, WANG Guoqing. Applications of exten- sion grey prediction model for power system forecasting [ J ]. Jour- nal of Combinatorial Optimization, 2013, 26(3): 555-567.
  • 8ZHOU Wei, HE Jianming. Generalized GM (1, l ) model and its application in forecasting of fuel production [ J ]. Applied Mathe- matical Modeling, 2013, 37(9) : 6234-6243.
  • 9ZENG Bo, LIU Sifeng, XIE Naiming. Prediction model of interval grey number based on DGM ( 1, 1 ) [ J]. Journal of Systems Engi- neering and Electronics,201 O, 21 ( 4 ) : 598 -603.
  • 10XU Jin, TAN Tao, TU Mao, et al. Improvement of grey models by least squares [ J]. Expert Systems with Applications, 2011, 38 ( I1 ) : 13961-13966.

引证文献2

二级引证文献4

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部