دانلود و نمایش مقالات مرتبط با Field data::صفحه 1
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران عزیز، به اطلاع می رساند ترجمه مقالاتی که سال انتشار آن ها زیر 2008 می باشد رایگان بوده و میتوانید با وارد شدن در صفحه جزییات مقاله به رایگان ترجمه را دانلود نمایید.

نتیجه جستجو - Field data

تعداد مقالات یافته شده: 14
ردیف عنوان نوع
1 Models for estimating daily photosynthetically active radiation in oceanic and mediterranean climates and their improvement by site adaptation techniques
مدل های تخمین روزانه اشعه فتوسنتزی فعال در آب و هوای اقیانوسی و مدیترانه و بهبود آنها توسط تکنیک های سازگاری سایت-2020
In this work Photosynthetically Active Radiation (PAR) in oceanic and mediterranean climates is modeled. Twenty-two different models have been developed and tested: eleven Multilinear Regression (MR) models and eleven Artificial Neuron Network (ANN) models, using combinations of variables such as Global Horizontal Irradiance (GHI), Global Extraterrestrial Irradiance (G0), Temperature (T) and Relative Humidity (RH). Data provided by Satellite Application Facility on Climate Monitoring (CM SAF) are used to develop and train the models, while the models have been validated using field data from four stations located in Spain, covering the different study climates. According to the results, zones with different climate conditions need different models, both for the case of MR and ANN. The results show the need of including the GHI in all models in order to obtain accurate estimates; in fact, the presence of more variables only improves slightly the results in mediterranean climate, while in oceanic climate no improvement is observed. On the other hand, comparing MR and ANN models, ANN models did not show better results than those of MR models in no one of the cases studied. Regarding the climate, both types of models are clearly better for the mediterranean case than for the oceanic one. In order to improve the performance of the model for oceanic climate a correction based on the site adaptation technique was carried out. The good results obtained by this technique fully justify its use. The best proposed models provide better performance than other models which are restricted to certain locations. Besides, the clustering technique based on the PAR variable, used in this work, allows obtaining useful models for a whole region. Finally, another advantage of this methodology is that there is no need of ground measurements for its development, except for the site adaptation technique
Keywords: Photosynthetically active radiation | Site adaptation technique | Global horizontal irradiance | Artificial neuron network | Multilinear regression
مقاله انگلیسی
2 Integration of data-driven modeling techniques for lean zone and shale barrier characterization in SAGD reservoirs
ادغام تکنیک های مدل سازی داده محور برای منطقه ناب و خصوصیات سد شیل در مخازن SAGD -2019
High water saturation zone, which is also known as lean zone, and shale barrier, are two common types of heterogeneous features in steam-assisted gravity drainage (SAGD) reservoirs. Lean zone poses a detrimental influence on conventional SAGD operations, as it causes steam utilization efficiency to decrease and increases the steam-oil ratio. Shale barrier would also impede the vertical growth and lateral spread of a steam chamber and potentially reduce oil production. An efficient characterization workflow is proposed to estimate the quantity, location, and volume of these heterogeneous features by integration of data-driven modeling techniques. Field data including geophysical, operational and production data corresponding to several existing SAGD projects are extracted from the public domain and used to build a series synthetic homogeneous models. Lean zones and shale barriers with varying distribution and volume are randomly added. From the corresponding production time-series data, a set of input features are identified through a hybrid method comprised of discrete wavelet transformation (DWT) and principal component analysis (PCA), while the output parameters are formulated to describe the actual number and geological parameters of two types of reservoir heterogeneities. A two-level data-driven model based on artificial neural networks (ANN) is employed to correlate the complex relationship between input and output attributes. Finally, this calibrated model is integrated into a novel characterization workflow to infer an ensemble of probable realizations of lean zone and shale barrier distribution that are conditioned to a given production historical profile. This work demonstrates the potential of practical application of data-driven models in correlating complex reservoir heterogeneity properties and production time-series data. Results from the case study illustrate the utility of the proposed workflow in facilitating the efficient identification of heterogeneous features from SAGD profiles. The potential savings of computational efforts associated with the proposed methodology are also explained.
Keywords: Artificial neural networks | Reservoir heterogeneities | Pattern recognition | Enhanced oil recovery | Time-series analysis
مقاله انگلیسی
3 Using data mining to stop or mitigate lost circulation
استفاده از داده کاوی برای متوقف کردن یا کاهش گردش خون از دست رفته-2019
Lost circulation materials (LCMs) are available in a great variety of materials, sizes, and can vary in the method of application. Selecting the right LCM and treatment for the job is critical in achieving the successful control of the lost circulation event. After reading a good number of papers and case histories regarding lost circulation materials and treatments and comparing the current classification to actual real field data, a large gap was found in the current calcification of lost circulation materials and treatments. An updated classification of lost circulation materials and treatments was provided based on the type of losses and applications. Data were collected on both LCM and applications from various number of sources in the Basra area of Iraq where drilling operations are highly susceptible to lost circulation in the Dammam, Hartha and Shuaiba formations. After analyzing the data, the best lost circulation treatments and materials to treat seepage, partial, severe, and complete losses in Basra oil fields were provided as a flowchart accomplished by practical guidelines that can serve as a reference material for the drilling personnel when responding to lost circulation in the field. This paper will also discuss methods that are used to ameliorate lost circulation without the use of traditional lost circulation materials. Example of the alternative approaches include discussions of blind drilling and floating mud cap drilling using case histories from the Basra fields. The results of this analysis provide a path forward for effectively and systematically using lost circulation materials and treatments in the Basra area. The methodologies presented in this work can be adapted and used to treat lost circulation worldwide.
Keywords: Drilling fluid | Lost circulation | Updated classification | Basra oil fields | Iraq
مقاله انگلیسی
4 An expert system for predicting the velocity field in narrow open channel flows using self-adaptive extreme learning machines
یک سیستم خبره برای پیش بینی میدان سرعت در جریان کانال باریک باریک با استفاده از ماشینهای یادگیری افراطی خود سازگار-2019
This work investigates the ability of a new model based on powerful self-adaptive extreme learning machines to predict the velocity field in an open channel. A total of 363 velocity field data obtained in 8 different hydraulic conditions of a narrow open channel are used to develop the proposed model. The performance of the proposed model in predicting the velocity field is analysed for 3 different discharge rates that have no role in model development. According to the model prediction accuracy comparisons, the proposed model is more accurate than existing equations and can be employed successfully in velocity field predicting. Furthermore, the new model can more accurately predict the negative gradient of velocity near the free surface, which is the most significant/complex feature of a velocity distribution in narrow open channels. Moreover, a sensitivity analysis is done to surrey the effect of the proposed model on each input variable.
Keywords: Discharge | Field data | Flow velocity profile | Open channel | Sensitivity analysis | Velocity
مقاله انگلیسی
5 Intelligent decisions to stop or mitigate lost circulation based on machine learning
تصمیمات هوشمند برای متوقف کردن یا کاهش گردش خون از دست رفته بر اساس یادگیری ماشین-2019
Lost circulation is one of the frequent challenges encountered during the drilling of oil and gas wells. It is detrimental because it can not only increase non-productive time and operational cost but also lead to other safety hazards such as wellbore instability, pipe sticking, and blow out. However, selecting the most effective treatment may still be regarded as an ill-structured issue since it does not have a unique solution. Therefore, the objective of this study is to develop an expert system that can screen drilling operation parameters and drilling fluid characteristics required to diagnose the lost circulation problem correctly and suggest the most appropriate solution for the issue at hand. In the first step, field datasets were collected from 385 wells drilled in Southern Iraq from different fields. Then, fscaret package in R environment was applied to detect the importance and ranking of the input parameters that affect the lost circulation solution. The new models were developed to predict the lost circulation solution for vertical and deviated wells using artificial neural networks (ANNs) and support vector machine (SVM). The using of the machine learning methods could assist the drilling engineer to make an intelligent decision with proper corrective lost circulation treatment.
Keywords: Lost circulation | Intelligent decision | Artificial neural networks | Support vector machine
مقاله انگلیسی
6 Principal components methodology : A novel approach to forecasting production from liquid-rich shale (LRS) reservoirs
متدولوژی اجزای اصلی: یک روش جدید برای پیش بینی تولید از مخازن سنگ نفت غنی از مایع (LRS)-2019
With increasing global demand for energy, the importance of unconventional shale oil and gas research cannot be over-emphasized. The oil and gas industry requires rapid and reliable means of forecasting production. Existing traditional decline curve analysis (DCA) methods have been limited in their ability to satisfactorily forecast production from unconventional liquid-rich shale (LRS) reservoirs. This is due to several causes ranging from the complicated production mechanisms to the ultra-low permeability in shales. The use of hybrid (combination) DCA models can improve results. However, complexities associated with these techniques can still make their application quite tedious without proper diagnostic plots, correct use of model parameters and some knowledge of the production mechanisms involved. This work, therefore, presents a new statistical data-driven approach of forecasting production from LRS reservoirs called the Principal Components Methodology (PCM). PCM is a technique that bypasses a lot of the difficulties associated with existing methods of forecasting and forecasts production with reasonable certainty. PCM is a data-driven method of forecasting based on the statistical technique of principal components analysis (PCA). In our study, we simulated production of fluids with different compositions for 30 years with the aid of a commercial compositional simulator. We then applied the Principal Components Methodology (PCM) to the production data from several representative wells by using Singular Value Decomposition (SVD) to calculate the principal components. These principal components were then used to forecast oil production from wells with production histories ranging from 0.5 to 3 years, and the results were compared to simulated data. Application of the PCM to field data is also included in this work. This study provides fresh initiatives into how production forecasting from unconventional LRS reservoirs can be done in a different way.
Keywords: Principal components | Liquid-rich shale | Unconventional resources | Production forecasting | Pattern recognition
مقاله انگلیسی
7 تاثير روش آموزش غير سنتي در آموزش كارآفريني بر دانشجويان كارآفريني و بیزنسهای استارت اپی: مقاله داده ای
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 10
روش های سنتی آموزش کارآفرینی در دانشگاه ها بیشتر شامل روش های نظری است که در انگیزه های مؤثر برای کارآفرینی، کارآیی کمتری دارند. این بدان علت است که این تکنیک ها اساسا دانشجویان را به جای مشارکت فعال، به یک نگرش خفته تبدیل می کنند. دیدگاه های کارشناسان نشان می دهد که روش های تدریس کارآفرینی تجربی در دانشگاه هایی که شامل فعالیت های عملی و مشارکت فعال می شود می تواند به عنوان مهمترین ویژگی توسعه¬ی دانشجویان کارآفرینی و پتانسیل راه اندازی کسب و کار باشد. مطالعه حاضر داده ها ییارائه می¬دهد تا روش های تدریس تجربی در کارآفرینی اتخاذ شده توسط دانشگاه ها نیجریه علاقه کارآفرینی دانشجویان و بیزنسهای استارتاپی را تحریک کنند. داده ها با استفاده از یک مطالعه توصیفی مقطعی و کمی در میان دانشجویان دانشگاه (N ¼ 600) از چهار دانشگاه منتخب در نیجریه ارائه شده است که برنامه تحصیلی کارآفرینی را جمع آوری می کند. در این مطالعه تحلیل سلسله مراتبی رگرسیون چندگانه در تأیید فرضیه با استفاده از بسته آماری برای ورژن22 علوم اجتماعی (SPSS) مورد استفاده قرار گرفت. یافته¬ها از تجزیه و تحلیل نشان داد که اتخاذ فعالیت های عملی تجربی به عنوان بهترین شیوه در نظر گرفته در آموزش کارآفرینی در دانشگاه های نیجریه می تواند علاقه ی دانشجویان را به خود جلب کند و تحریک بیزنسهای استارتاپی حتی برای پژوهشها باشد. مجموعه داده میدانی ساخته شده ، دسترسی گسترده برای بررسی انتقادی فراهم می¬کند. کلید واژه ها: آموزش کارآفرینی | روش های تدریس تجربی | روش کارآفرینی | کارآفرینان دانشجویی
مقاله ترجمه شده
8 A Novel Data-Driven Situation Awareness Approach for Future Grids—Using Large Random Matrices for Big Data Modeling
یک رویکرد آگاهانه موقعیتی داده محور برای شبکه های آینده با استفاده از ماتریس های تصادفی بزرگ برای مدل سازی داده های بزرگ-2018
Data-driven approaches, when tasked with situation awareness, are suitable for complex grids with massive datasets. It is a challenge, however, to efficiently turn these massive datasets into useful big data analytics. To address such a challenge, this paper, based on random matrix theory, proposes a data-driven approach. The approach models massive datasets as large random matrices; it is model-free and requires no knowledge about physical model parameters. In particular, the large data dimension N and the large time span T , from the spatial aspect and the temporal aspect, respectively, lead to favorable results. The beautiful thing lies in that these linear eigenvalue statistics (LESs) are built from data matrices to follow Gaussian distributions for very general conditions, due to the latest breakthroughs in probability on the central limit theorems of those LESs. Numerous case studies, with both simulated data and field data, are given to validate the proposed new algorithms.
INDEX TERMS : Big data analytics, linear eigenvalue statistics, random matrix theory, situation awareness, statistical indicator
مقاله انگلیسی
9 تشخیص وقوع خطای تکفاز به زمین و شناسایی فیدر خطادار در سیستم توزیع با زمین شدن ناکافی
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 30
در سیستم های توزیع با زمین شدن ناکافی (NIGDS)، معیار متداول ولتاژ توالی صفر برای تشخیص وقوع خطای تکفاز به زمین (SPG)، با مشکل مواجه شده و در عمل، تکنیک های موجود برای انتخاب فیدر خطادار، قابلیت اطمینان کمی دارند. در این مقاله، برای بهبود این تکنیک ها، یک طرح حفاظتی جدید پیشنهاد می شود. این شامل یک واحد تشخیص وقوع خطا و یک واحد شناسایی فیدر خطادار است. براساس کورتوزیس توزیع داده های جریان گذرای توالی صفر، واحد اول برای تشخیص این وضعیت استفاده می شود که آیا خطای SPG روی داده یا خیر و لحظه ی آغاز خطا را ثبت می کند. واحد دوم برای شناسایی فیدر خطادار بر اساس رفتار متوسط چولگی توزیع داده ها استفاده می شود. طرح پیشنهادی که بر معیار ولتاژ توالی صفر برتری دارد، می تواند با اطمینان وقوع خطای SPG را در شرایط عدم تعادل ولتاژ سه فاز و خطای زمین کردن قوس متناوب تشخیص دهد. افزون بر این، مشخص شد که طرح پیشنهادی می تواند با اطمینان فیدر خطادار را تحت نویزهای شدید زمینه ای تشخیص دهد. نتایج تست موردی نشان داد که طرح پیشنهادی توانایی کار با نه تنها داده های شبیه سازی بلکه با داده های میدانی ثبت شده که در عمل ارزش بالایی در علم مهندسی دارند، را خواهد داشت.
کلمات کلیدی: سیستم توزیع | فیدر | نقطه ی خنثای زمین شده ی ناکافی | کورتوزیس | توزیع احتمال | خطای تکفاز به زمین (SPG) | چولگی
مقاله ترجمه شده
10 پردازش تصویر میدان نوری: یک مرور کلی
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 29 - تعداد صفحات فایل doc فارسی: 79
عکس برداری میدان نوری به عنوان یک فناوری پدید آمده است که اجازه به دست آوردن اطلاعات غنی تری از جهان ما را می دهد. برخلاف عکس برداری سنتی که یک تصویر دوبُعدی نوری از صحنه می گیرد و محدوده زاویه ای را نیز وارد می کند، میدان های نوری، تابندگی را از اشعه ها در همه جهت ها جمع آوری می کنند که این کار اطلاعات زاویه ای از دست رفته در فناوری سنتی را تقسیم می کند. از یک سو، این نمایش بُعدی بالاتر داده های بصری، قابلیت های قدرتمندی را برای درک صحنه ارائه می کند و متعاقبا" عملکرد مسائل سنتی دیدِ رایانه ای مثل حس عمق، متمرکز کردن مجدد پس از عکس گرفتن، بخش بندی، پایدارسازی ویدیو، دسته بندی ماده و غیره را بهبود می بخشد. از سوی دیگر، بُعدی بودن بالای میدان های نوری همچنین چالشهای جدیدی را ازنظر به دست آوردن داده، فشرده سازی داده، ویرایش محتوا و نمایش آنها به بار می آورد. تحقیقات در حوزه پردازش تصویر میدان نوری با کنارهم قرار دادن این دو مولفه به صورت روزافزونی در دیدِ رایانه ای، تصاویر رایانه ای و حوزه های پردازش سیگنال به محبوبیت و عمومیت دست یافته است. در این مقاله، ما یک مرور کلی و جامع انجام می دهیم و روی تحقیقات حوزه میدان نوری درطی 20 سال گذشته بحث می کنیم. ما روی همه جنبه های پردازش تصویر میدان نوری شامل نمایش پایه ای میدان نوری و تئوری آن، اکتساب داده ها، دقت بسیار بالا، تخمین عمق، فشرده سازی، ویرایش، الگوریتمهای پردازش برای نمایش میدان نوری و کاربردهای داده های میدان نوری در دیدِ رایانه ای تمرکز می کنیم.
کلیدواژه ها: تصویربرداری میدان نوری
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi