Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin

Νέα / Ανακοινώσεις / Συζητήσεις

Παρουσίαση Διπλωματικής Εργασίας κας Κωττάκη Νομικής - Σχολή ΜΗΧΟΠ

  • Συντάχθηκε 13-10-2014 09:41 από Styliani Raka Πληροφορίες σύνταξης

    Email συντάκτη: sraka<στο>tuc.gr

    Ενημερώθηκε: -

    Κύρια: ΕΤΕΠ ΜΗΧΟΠ. Άλλες ιδιότητες: απόφοιτος προπτυχιακός ΜΗΧΟΠ, απόφοιτος ΜΔΕ/Διδ. ΜΗΧΟΠ
    ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
    Σχολή Μηχανικών Ορυκτών Πόρων

    ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

    Εξεταζόμενη φοιτήτρια: Κωττάκη Νομική

    Θέμα Διπλωματικής Εργασίας: «Ανάπτυξη νευρωνικού δικτύου για την πρόβλεψη αναλυτικής σύστασης ρευστών υπόγειων ταμιευτήρων χρησιμοποιώντας υπόγειες μετρήσεις DFA»

    Ημέρα παρουσίασης: Πέμπτη 16 Οκτωβρίου 2014
    Ώρα παρουσίασης: 09.00
    Τόπος παρουσίασης: Αίθουσα Συνεδριάσεων ΜΗΧΟΠ

    Τριμελής Εξεταστική Επιτροπή:
    Καθ. Βαρότσης Νικόλαος (επιβλέπων)
    Αν. Καθ. Γαλετάκης Μιχαήλ
    Δρ. Γαγάνης Βασίλειος

    Περίληψη
    Αντικείμενο της παρούσης διπλωματικής εργασίας είναι η ανάπτυξη ενός μοντέλου που με την εφαρμογή των τεχνητών νευρωνικών δικτύων θα προβλέπει τη γραμμομοριακή σύσταση πετρελαϊκών ρευστών στα κλάσματα CO2, C1, C2, C3, C4, C5, C6-8, C9-11 και C12+. Για την ανάπτυξη του μοντέλου αυτού αξιοποιήθηκαν οι μετρήσεις του οπτικού αναλυτή ρευστών OFA (Optical Fluid Analyzer), που είναι η επί τοις εκατό κατά μάζα περιεκτικότητα του ρευστού σε CO2, C1, C2, C3-5 και C6+, σε συνδυασμό με κάποιες μετρήσεις πεδίου που είναι ο δείκτης πτητικότητας GOR, ο δείκτης πυκνότητας πετρελαίου API, και τέλος η σχετική πυκνότητα της αερίου φάσης Sg. Οι προβλέψεις του μοντέλου για την επί τοις εκατό κατά mole περιεκτικότητα των ρευστών σε C3, C4, C5 και C12+ κρίνονται αρκούντως ικανοποιητικές, ενώ μικρότερης ακρίβειας προβλέψεις επιτυγχάνει το μοντέλο στην επί τοις εκατό κατά mole περιεκτικότητα των ρευστών στα κλάσματα C6-8 και C9-11. Επιπροσθέτως και προηγουμένως του προαναφερθέντος μοντέλου, υλοποιείται μία εφαρμογή ενός τεχνητού νευρωνικού δικτύου, που στόχο έχει τον υπολογισμό του συντελεστή απόκλισης φυσικών αερίων z, και ζητούμενο της εφαρμογής αυτής είναι η εξοικείωση με το περιβάλλον και την συμπεριφορά των νευρωνικών δικτύων όταν αυτά χρησιμοποιούνται ως εργαλεία επίλυσης αντίστροφων προβλημάτων μέσω της παλινδρομικής ανάλυσης.

    Από τη Γραμματεία της Σχολής ΜΗΧΟΠ

© Πολυτεχνείο Κρήτης 2012