Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "właściwości ropy" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Analiza badań niektórych właściwości ropy naftowej ze złoża LMG
    Analysis of properties of crude oil from the LMG field
    Autorzy:
    Janocha, A.
    Steliga, T.
    Bęben, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/300029.pdf
    Data publikacji:
    2007
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    złoże LMG
    właściwości ropy
    eksploatacja ropy
    hydraty
    LMG field
    oil properties
    oil exploitation
    hydrates
    Opis:
    Złoże ropy naftowej Lubiatów-Międzychód-Grotów (LMG) jest zróżnicowane geologicznie. Próbki płynów złożowych w poszczególnych partiach złoża posiadają specyficzne właściwości. W celu zapewnienia płynnego prowadzenia wydobycia należy dobrze poznać skład i właściwości gazu ziemnego i ropy naftowej. Szczególną uwagę należy zwrócić na zagrożenia związane z wytrącaniem się hydratów, parafin, asfaltenów i soli. W niniejszym artykule przedstawiono wyniki badań płynów złożowych z wybranych odwiertów złoża LMG. Analiza tych badań wskazuje na kierunki, jakie należy uwzględnić, projektując rozwiązania technologiczne.
    Oil field Lubiatów-Międzychód-Grotów (LMG) is diversified geologically. Samples of each part of the oil field deposits possess peculiar properties. Smooth exploitation can be carried on only when the composition and properties of the natural gas and the crude oil well are known. Special attention should be paid to threats connected with precipitating hydrates, paraffins, asphaltenes and salt. The results of analyses of oil field LMG are presented in the paper. The analysis of these results points out to the trends to be taken into consideration when designing technological solutions.
    Źródło:
    Wiertnictwo, Nafta, Gaz; 2007, 24, 1; 231-236
    1507-0042
    Pojawia się w:
    Wiertnictwo, Nafta, Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Filtration of compressible viscous-plastic oil in a porous medium
    Filtracja ściśliwego oleju lepkoplastycznego w medium porowatym
    Autorzy:
    Dadash-Zade, Mirza A.
    Aliyev, Inglab N.
    Powiązania:
    https://bibliotekanauki.pl/articles/31343897.pdf
    Data publikacji:
    2023
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    deep-seated oil fields
    compressibility
    oil basin
    reservoir
    physical properties
    chemical properties
    oil
    porosity
    permeability
    głęboko zalegające złoża ropy
    ściśliwość
    basen naftowy
    zbiornik
    właściwości fizyczne
    właściwości chemiczne
    ropa
    porowatość
    przepuszczalność
    Opis:
    Numerous laboratory studies have shown that the change in physical and chemical properties and the geological conditions of the occurrence of hydrocarbons depend on depth. It should be noted that the change in oil properties with depth and the identification of the properties of such oils are poorly understood. In this research work, an attempt is made to study the filtration properties of anomalous oils, taking into account compressibility in reservoir conditions. The work carried out shows that the density, dynamic viscosity and the content of resins, sulfur, paraffin and asphaltene of different oil reservoirs are mainly depth dependent. The filtration characteristics of such oils that manifest themselves at a given pressure have been established. The results of modeling the filtration processes leading to the emergence of zones of increased oil compressibility, forming deep hydrocarbon fields, were used to discuss the regularities obtained. This makes it possible to determine filtration characteristics of anomalous liquid, taking into account the compressibility, which determine their higher quality indicators. The analysis shows that in the development of oil fields with anomalous properties of hydrocarbons, when recalculating the volumetric flow rate of individual wells in reservoir conditions it is necessary to use the value of the volumetric oil coefficient, taking into account its non-Newtonian properties. This technique will enable future works to study the effect of hydrodynamic imperfection of wells and the effect of formation permeability violation in their bottomhole zone on the reservoir pressure redistribution characteristics and well test results.
    Liczne badania laboratoryjne wykazały, że zmiana właściwości fizycznych i chemicznych oraz warunki geologiczne występowania węglowodorów zależą od głębokości usytuowania akumulacji. Należy zauważyć, że charakter zmiany właściwości ropy naftowej wraz z głębokością jest słabo rozpoznany. W niniejszej pracy podjęto próbę zbadania właściwości filtracyjnych rop anomalnych, biorąc pod uwagę ściśliwość w warunkach złożowych. Przeprowadzone prace wykazały, że gęstość, lepkość dynamiczna oraz zawartość żywic, siarki, parafiny i asfaltenów w różnych złożach ropy naftowej zależą głównie od głębokości. Określono właściwości filtracyjne tych rop, ujawniające się przy określonym ciśnieniu. Do omówienia uzyskanych prawidłowości wykorzystano wyniki modelowania procesów filtracji, prowadzących do powstania stref o zwiększonej ściśliwości ropy w głębokich złożach węglowodorów. Pozwala to na ustalenie charakterystyki filtracyjnej cieczy anomalnej z uwzględnieniem ściśliwości, które determinują ich wyższe wskaźniki jakościowe. Analiza pokazuje, że przy zagospodarowaniu złóż ropy naftowej o anomalnych właściwościach, przy przeliczaniu objętościowego natężenia przepływu poszczególnych odwiertów w warunkach złożowych, konieczne jest wykorzystanie wartości współczynnika objętościowego ropy, z uwzględnieniem jego właściwości nienewtonowskich. Technika ta umożliwia w przyszłych pracach badanie wpływu niedoskonałości hydrodynamicznej odwiertów i wpływu naruszenia przepuszczalności formacji w strefie przyodwiertowej na cechy redystrybucji ciśnienia złożowego, jak również na wyniki opróbowania odwiertów.
    Źródło:
    Nafta-Gaz; 2023, 79, 6; 406-411
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural networks in mining sciences – general overview and some representative examples
    Sieci neuronowe w naukach górniczych – ogólne omówienie i kilka reprezentatywnych przykładów
    Autorzy:
    Tadeusiewicz, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/219318.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    neural networks
    applications in mining sciences
    process modeling
    systems modeling
    machine learning
    modeling of the oil mining process
    forecasting of reservoir properties
    sieci neuronowe
    zastosowania w naukach górniczych
    modelowanie procesów
    modelowanie systemów
    uczenie maszyn
    modelowanie procesu wydobycia ropy naftowej
    przewidywanie właściwości zbiornikowych pokładów geologicznych
    Opis:
    The many difficult problems that must now be addressed in mining sciences make us search for ever newer and more efficient computer tools that can be used to solve those problems. Among the numerous tools of this type, there are neural networks presented in this article – which, although not yet widely used in mining sciences, are certainly worth consideration. Neural networks are a technique which belongs to so called artificial intelligence, and originates from the attempts to model the structure and functioning of biological nervous systems. Initially constructed and tested exclusively out of scientific curiosity, as computer models of parts of the human brain, neural networks have become a surprisingly effective calculation tool in many areas: in technology, medicine, economics, and even social sciences. Unfortunately, they are relatively rarely used in mining sciences and mining technology. The article is intended to convince the readers that neural networks can be very useful also in mining sciences. It contains information how modern neural networks are built, how they operate and how one can use them. The preliminary discussion presented in this paper can help the reader gain an opinion whether this is a tool with handy properties, useful for him, and what it might come in useful for. Of course, the brief introduction to neural networks contained in this paper will not be enough for the readers who get convinced by the arguments contained here, and want to use neural networks. They will still need a considerable portion of detailed knowledge so that they can begin to independently create and build such networks, and use them in practice. However, an interested reader who decides to try out the capabilities of neural networks will also find here links to references that will allow him to start exploration of neural networks fast, and then work with this handy tool efficiently. This will be easy, because there are currently quite a few ready-made computer programs, easily available, which allow their user to quickly and effortlessly create artificial neural networks, run them, train and use in practice. The key issue is the question how to use these networks in mining sciences. The fact that this is possible and desirable is shown by convincing examples included in the second part of this study. From the very rich literature on the various applications of neural networks, we have selected several works that show how and what neural networks are used in the mining industry, and what has been achieved thanks to their use. The review of applications will continue in the next article, filed already for publication in the journal „Archives of Mining Sciences“. Only studying these two articles will provide sufficient knowledge for initial guidance in the area of issues under consideration here.
    Liczne i trudne problemy, jakie muszą być obecnie rozwiązywane w naukach górniczych, skłaniają do poszukiwanie i wypróbowywania wciąż nowszych i bardziej sprawnych narzędzi informatycznych, które mogą być wykorzystane do rozwiązywania tych problemów. Wśród narzędzi tego typu, które wprawdzie jeszcze powszechnie wykorzystywane nie są, z pewnością zasługują na uwagę, warto rozważyć przedstawiane w tym artykule sieci neuronowe. Sieć neuronowa, której schemat przedstawiony jest na rysunku 1, jest narzędziem tak zwanej sztucznej inteligencji, wywodzącym się z prób modelowania struktury i funkcji biologicznych systemów nerwowych. Początkowo budowane i badane wyłącznie z ciekawości naukowej, jako komputerowe modele fragmentów ludzkiego mózgu, sieci neuronowe nieoczekiwanie okazały się skutecznym narzędziem w wielu zastosowaniach: w technice, w medycynie, w ekonomii a nawet w naukach społecznych. Mogą one dostarczać pojedynczych rozwiązań (wartości oszacowań poszukiwanych parametrów, lub przesłanek do podjęcia określonych decyzji), bądź całych wektorów rozwiązań – jakkolwiek w tym drugim przypadku celowe jest rozważenie kwestii, czy zastosować jedną sieć o wielu wyjściach, czy kilka sieci mających pojedyncze wyjście (Rys. 2). Przy tworzeniu sieci neuronowych trzeba wybierać stopień złożoności jej struktury, co nie jest łatwe, ponieważ sieć o zbyt ubogiej strukturze (zwłaszcza dysponująca zbyt mała liczbą tak zwanych neuronów ukrytych) może nie podołać rozwiązaniu bardziej złożonego zadania, natomiast sieć mająca zbyt skomplikowaną i bogatą strukturę zawsze sprawia kłopoty podczas procesu uczenia. Proces uczenia jest kluczem do wszystkich zastosowań sieci neuronowych. Kluczem do skutecznego nauczenia sieci rozwiązywania jakiejś klasy zadań jest posiadanie tak zwanego zbioru uczącego, to znaczy zbioru przykładowych zadań wraz z ich prawidłowymi rozwiązaniami (Rys. 4). Wprowadzając na wejście sieci dane stanowiące przesłanki do rozwiązania zadania i porównując odpowiedź sieci z prawidłową odpowiedzią zapisaną w zbiorze uczącym można na podstawie wykrytego błędu automatycznie korygować parametry sieci, co prowadzi zwykle do tego, że sieć po pewnym czasie sama nauczy się rozwiązywania rozważanej klasy zadań. Dzięki korzystaniu z procesu uczenia (opartego na przykładach, a nie na regułach) sieć neuronowa może rozwiązywać zadania, dla których my (użytkownicy sieci) nie dysponujemy wiedzą, jak te zadania należy rozwiązywać (Rys. 6). Dzięki temu sieć neuronowa może służyć jako model dowolnego złożonego procesu, co pozwala na wykonywanie dla tego procesu wielu istotnych czynności (Rys. 7). Niestety, mimo niewątpliwych zalet sieci neuronowych w naukach górniczych są one stosowane raczej rzadko. Prezentowany artykuł ma przekonać Czytelników, że sieci neuronowe mogą się okazać bardzo przydatne także w naukach górniczych. Artykuł stanowi również użyteczne wstępne wprowadzenie do wiedzy o sieciach neuronowych. Praca zawiera bowiem informacje o tym, jak są zbudowane nowoczesne sieci neuronowe, jak one działają i jak można ich używać. To wstępne omówienie przedstawione w artykule może pomóc w tym, by Czytelnik wyrobił sobie opinię, czym jest to narzędzie, jakie ma właściwości i w związku z tym do czego może mu się przydać. Oczywiście skrótowe wprowadzenie do problematyki sieci neuronowych zawarte w prezentowanym artykule nie wystarczy tym Czytelnikom, którzy dadzą się przekonać i naprawdę będą chcieli użyć sieci neuronowych. Będą oni potrzebowali jeszcze sporej porcji szczegółowej wiedzy, żeby mogli zacząć samodzielnie tworzyć takie sieci i ich używać w praktyce. Jednak jeśli decyzja o wypróbowaniu możliwości sieci neuronowych będzie pozytywna, to zainteresowany Czytelnik będzie mógł w artykule znaleźć odnośniki do pozycji literatury, pozwalających szybko i sprawnie poznać technikę sieci neuronowych na poziomie wystarczającym do rozpoczęcia własnych prac z tym wygodnym narzędziem. Będzie to tym łatwiejsze, że obecnie dostępnych jest sporo gotowych programów komputerowych pozwalających szybko i bez wysiłku tworzyć sztuczne sieci neuronowe, uruchamiać je, uczyć i wykorzystywać praktycznie. Oczywiście kluczową sprawą jest kwestia, jak tych sieci używać w naukach górniczych. O tym, że jest to możliwe i celowe przekonują jednak przykłady zawarte w drugiej części opracowania. Z przebogatej literatury, dotyczącej różnych zastosowań sieci neuronowych, wybrano kilkanaście prac, które pokazują, jak i do czego sieci neuronowych w górnictwie użyto i co zostało osiągnięte dzięki ich zastosowaniu. Ten przegląd zastosowań będzie kontynuowany w następnym artykule, zgłoszonym już do publikacji w czasopiśmie „Archiwum Górnictwa” i dopiero przestudiowanie obydwu tych artykułów dostarczy wiedzy wystarczającej do wstępnej orientacji w obszarze rozważanej tu problematyki.
    Źródło:
    Archives of Mining Sciences; 2015, 60, 4; 971-984
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies