مقاله دانشجوی ایرانی دانشگاه حکیم سبزواری در مجله بین‌المللی Polymers منتشر شد

حسین صابری، دانشجوی کارشناسی مهندسی نفت دانشگاه حکیم سبزواری، موفق شد مقاله خود را در مجله معتبر بین‌المللی Polymers با ضریب 4.329 و رتبه‌بندی علمی Q1 منتشر کند. عنوان مقاله او «شبکه عصبی مصنوعی برای پیش بینی بهبود بازیابی نفت با استفاده از پلی اکریل آمید هیدرولیز شده در مخازن ماسه سنگ و کربنات» است و گفته شده که موضوع این مقاله می‌تواند تا حدود زیادی منجر به صرفه‌جویی در هزینه‌ها و زمان انجام آزمایش‌های ازدیاد برداشت نفت شود.

به گزارش هوشیو و به نقل از خبرگزاری ایسنا، مقاله این دانشجوی دانشگاه حکیم سبزواری با موضوع «کاربرد هوش مصنوعی برای پیش‌بینی نتایج ازدیاد برداشت در سیلاب زنی پلیمری» که مستخرج از پروژه کارشناسی این دانشجو است، و البته با راهنمایی دکتر احسان اسماعیل نژاد، عضو هیئت علمی گروه مهندسی نفت دانشگاه حکیم سبزواری و در همکاری با پژوهشگر مهندسی نفت دانشگاه کره جنوبی، نوشته شده است.

استفاده از سه الگوریتم هوش مصنوعی

در این مقاله که با عنوان Artificial Neural Network to Forecast Enhanced Oil Recovery Using Hydrolyzed Polyacrylamide in Sandstone and Carbonate Reservoirs به معنی «شبکه عصبی مصنوعی برای پیش بینی بهبود بازیابی نفت با استفاده از پلی اکریل آمید هیدرولیز شده در مخازن ماسه سنگ و کربنات» از سه الگوریتم هوش مصنوعی شامل سیستم شبکه عصبی پرسپترون چند لایه (MLP)، شبکه عصبی توابع پایه شعاعی (RBF) و استنتاج عصبی فازی تطبیقی (ANFIS) به منظور پیش بینی نتایج ازدیاد برداشت نفت (EOR) استفاده شد که نتایج حاصل نشان داده از میان این الگوریتم، مدل اول یعنی سیستم شبکه عصبی پرسپترون چند لایه (MLP) دارای بیشترین میزان دقت بوده است و توانایی پیش بینی داده در داخل و همچنین خارج از بازه ساخته شده خود را داشته است.

طبق ادعای روابط عمومی وزارت علوم، این موضوع می‌تواند باعث صرفه‌‌جویی قابل ملاحظه‌ای در هزینه‌ها و زمان انجام آزمایش‌های ازدیاد برداشت نفت شود.