In this section

    NEW MODELS FOR ESTIMATING THE DEW-POINT PRESSURE OF GAS CONDENSATE RESERVOIRS

    (0015) NEW MODELS FOR ESTIMATING THE DEW-POINT PRESSURE OF GAS CONDENSATE RESERVOIRS. Masters thesis, King Fahd University of Petroleum and Minerals.

    [img]
    Preview
    		 PDF
    Thesis_Report.pdf
    Download (2MB) | Preview

    Arabic Abstract

    علاقات رياضية جديدة و بأساليب مختلفة تم تطويرها لحساب ضغط التكثف لمكامن الغاز. العلاقات الرياضية التقليدية و العلاقات ذات العناصر الغير محددة، بالإضافة الى الشبكات العصبية تم استخدامها في هذه الدراسة . هذه العلاقات الجديدة تعتمد على مجموعة معلومات يمكن الحصول عليها بسهولة ( درجة حرارة المكمن ، الكثافة النوعية للغاز، الكثافة النوعية للزيت المتكثف و نسبة الغاز للزيت ). لقد تم استخدام في هذه الدراسة ما مجموعه 113 مجموعة معلومات من حقول غاز مختلفة في الشرق الأوسط. و لقد استخدم التحليل الاحصائي لتقييم العلاقات المنشورة و ايضاً التي تم تطوريها في هذه الرسالة. و لقد برهنت النتائج الإحصائية ان العلاقة الرياضية التي تم اشتقاقها من الشبكات العصبية تفوق في الدقة و الأداء العلاقات الرياضية الأخرى.

    English Abstract

    New Models with three different techniques have been developed to predict the dew-point pressure for gas condensate reservoirs. Traditional correlations, non-parametric approaches and artificial neural networks have been utilized in this study. The new models are functions of easily obtained parameters (reservoir temperature, gas specific gravity, condensate specific gravity and gas-oil ratio). A total number of 113 data sets obtained from Constant Mass Expansion (CME) experiment were collected from the Middle East fields have been used in developing the models. The data used for developing the models covers a reservoir temperature from 100 to 309 oF, gas oil ratios from103,536 to 3,321 SCF/STB, gas specific gravity from 0.64 to 0.82 and condensate specific gravity from 0.73 to 0.81. Graphical and statistical tools have been utilized for the sake of comparing the performance of the new models and other empirical models. The results showed that artificial neural network developed in this study has the best results among all other models.

    Item Type: Thesis (Masters)
    Subjects: Petroleum > Rock and Fluid Properties
    Department: College of Petroleum Engineering and Geosciences > Petroleum Engineering
    Committee Advisor: Al-Marhoun, Muhammad
    Committee Members: Al-Yousef, Hasan and Al-Majed, Abdulaziz
    Depositing User: Mohammad Al-Dhamen (g200231800)
    Date Deposited: 18 Dec 2010 05:50
    Last Modified: 01 Nov 2019 15:28
    URI: http://eprints.kfupm.edu.sa/id/eprint/136378