دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [First edition]
نویسندگان: Shahab Mohaghegh
سری:
ISBN (شابک) : 9781315280806, 1315280795
ناشر: CRC Press
سال نشر: 2018
تعداد صفحات: 280
[303]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 23 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Data-Driven Analytics for the Geological Storage of Co2 به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های محور برای ذخیره زمین شناسی CO2 نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
تجزیه و تحلیل داده های محور از محبوبیت بی سابقه ای در بین متخصصان نفت و گاز برخوردار است. بسیاری از مشکلات مهندسی مخزن مرتبط با ذخیره سازی زمین شناسی CO2 نیاز به توسعه مدلهای شبیه سازی مخزن عددی دارد. این کتاب اولین کسی است که به بررسی سهم هوش مصنوعی و یادگیری ماشین در تجزیه و تحلیل داده های ناشی از جریان سیال در محیط های متخلخل ، از جمله سفره های شور و مخازن گاز و نفت تخلیه شده پرداخت. با استفاده از مطالعات موردی واقعی ، این کتاب نشان می دهد که چگونه می توان مدل های پروکسی هوشمند را برای مدلهای شبیه سازی مخزن عددی پیچیده تهیه کرد. Proxy Smart شامل قابلیت های تشخیص الگوی هوش مصنوعی و یادگیری ماشین برای ساخت مدل های هوشمند است که با استفاده از شبیه سازی های عددی دقیق ، پیچیدگی های تعامل فیزیکی ، مکانیکی و شیمیایی را می آموزد. این فناوری شکستن زمین ، استفاده از وفاداری بالا ، مدل های شبیه سازی مخزن عددی پیچیده در طراحی ، تجزیه و تحلیل و بهینه سازی ذخیره کربن در پروژه های سازندهای زمین شناسی را ممکن و کاربردی می کند.
Data driven analytics is enjoying unprecedented popularity among oil and gas professionals. Many reservoir engineering problems associated with geological storage of CO2 require the development of numerical reservoir simulation models. This book is the first to examine the contribution of Artificial Intelligence and Machine Learning in data driven analytics of fluid flow in porous environments, including saline aquifers and depleted gas and oil reservoirs. Drawing from actual case studies, this book demonstrates how smart proxy models can be developed for complex numerical reservoir simulation models. Smart proxy incorporates pattern recognition capabilities of Artificial Intelligence and Machine Learning to build smart models that learn the intricacies of physical, mechanical and chemical interactions using precise numerical simulations. This ground breaking technology makes it possible and practical to use high fidelity, complex numerical reservoir simulation models in the design, analysis and optimization of carbon storage in geological formations projects.
Content: Cover
Halftitle Page
Title Page
Copyright Page
Dedication
Contents
Nomenclature
Acknowledgments
Author
Contributors
Introduction
1. Storage of CO2 in Geological Formations
2. Petroleum Data Analytics
3. Smart Proxy Modeling
4. CO2 Storage in Depleted Gas Reservoirs
5. CO2 Storage in Saline Aquifers
6. CO2 Storage in Shale Using Smart Proxy
7. CO2-EOR as a Storage Mechanism
8. Leak Detection in CO2 Storage Sites
Bibliography
Index