استفاده از الگوریتم ترکیبی -PSOSA در تخمین پارامترهای تست چاه

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 12

تعداد کلمات : 3200

مجله : Petroleum

انتشار : 2018

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
5 ژانویه 2022
دسته بندی
تعداد بازدیدها
1105 بازدید
28,000 تومان

عنوان فارسی مقاله:استفاده از الگوریتم ترکیبی -PSOSA در تخمین پارامترهای تست چاه

 چکیده

  برآورد پارامترهای اهمیت، مانند ضریب جدار، نفوذپذیری، ضریب ذخیره چاه، مهمترین مؤلفه تجزیه و تحلیل فشار گذرا هستند. بسیاری از الگوریتم‌های بهینه‌سازی برای تخمین پارامتری اعمال شده‌اند و حداقل خطای منحنی تست چاه را دریافت کرده‌اند. اگرچه یک بهینه‌سازی ازدحام ذرات اکتشافی انعطاف‌پذیر می‌تواند راه‌حل بهینه را به سرعت پیدا کند، جستجوی بیشتر در مجاورت راه‌حل بهینه دشوار است. از این رو، برای کاهش همگرایی بهینه و نابالغ محلی، یک الگوریتم هیبریدی به نام تبرید شبیه سازی شده ازدحام ذرات پیشنهاد شده است و ثابت شده است  که عملکرد بهتری از همگرایی و دقت نسبت به روش های سنتی دارد که برای تخمین پارامتر مناسب تر هستند(تخمین پارامترهای تست چاه).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Application of a hybrid algorithm ePSOSA in well test parameter estimation

Abstract

 Estimating the significance parameters, such as skin factor, permeability, wellbore storage coefficient, are the most component of transient pressure analysis. Many optimization algorithms have been applied to parametric estimation and realized the minimum error of well test curve.Although a flexible heuristic particle swarm optimization can hunt optimal solution rapidly, it is difficult to search further in the vicinity of theoptimal solution. Hence, to alleviate the local optimum and premature convergence, a global hybrid algorithm referred to as particle swarm simulated annealing is proposed, and proves to have better performance of convergence and accuracy than traditional methods, which are more suitable for parameter estimation.