مقاله مهدی شایان نصر، دانشجوی کارشناسی مهندسی نفت دانشگاه حکیم سبزواری در مجله معتبر بین المللی Natural Resources Research (Springer)، با ضریب تاثیر ۳٫۷۰۸ و رتبه بندی علمی Q1 منتشر شد.
به گزارش روابط عمومی دانشگاه این مقاله با موضوع ” پیش بینی نتایج آزمایش های ازدیاد برداشت نفت با استفاده از هوش مصنوعی” با راهنمایی دکتر احسان اسماعیل نژاد عضو هیات علمی گروه مهندسی نفت دانشگاه حکیم سبزواری و در همکاری با پژوهشگران مهندسی نفت دانشگاه های گرمسار و رازی کرمانشاه نوشته شده است.
گفتنی است در این مقاله با عنوان:
“Application of Artificial Intelligence to Predict Enhanced Oil Recovery Using Silica Nanofluids”
از سه الگوریتم هوش مصنوعی شامل سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)، شبکه عصبی پرسپترون چند لایه (MLP-ANN) و شبکه عصبی توابع پایه شعاعی (RBF-ANN) برای پیش بینی نتایج ازدیاد برداشت ناشی از سیلابزنی نانوسیالات سیلیکا استفاده شد که نتایج حاصل نشان داد از میان این سه الگوریتم، مدل ANFIS دارای بیش ترین دقت و کمترین زمان پردازش می باشد. این موضوع می تواند باعث صرفه جویی قابل ملاحظه ای در هزینه ها و زمان آزمایش های غربال گری روش های ازدیاد برداشت نفت مبتنی بر نانوسیالات سیلیکا شود. همچنین لازم به ذکر است که نانوذرات سیلیکا متداول ترین و اقتصادی ترین نانوذرات در ازدیاد برداشت نفت هستند.
لینک دسترسی به مقاله:
https://link.springer.com/article/10.1007/s11053-021-09829-1
