Zobrazeno 1 - 7
of 7
pro vyhledávání: '"صادق کریم پولی"'
Publikováno v:
Ravish/hā-yi ̒adadī dar Muhandisī, Vol 41, Iss 2, Pp 29-60 (2023)
با توجه به پیچیدگی‌های مطالعات آزمایشگاهی رشد ترک در مقیاس حفره، روش‌های عددی متعددی در تحلیل مسایل محیط‌های متخلخل استفاده شده است. ای
Externí odkaz:
https://doaj.org/article/3314231be5de427e8b6d974ae91aa628
Publikováno v:
Muhandisī-i manābi̒-i ma̒danī, Vol 7, Iss 3, Pp 101-124 (2022)
شبیه‌سازی عددی ژئومکانیکی مخازن نفتی و گازی امروزه جایگاه ویژه‌ای در علم مهندسی نفت و ژئومکانیک مخزن کسب کرده است. از این جهت ساخت مدل‌ه
Externí odkaz:
https://doaj.org/article/fa19e8e01bcc48dc84c8acaaa1b426eb
Publikováno v:
نشریه مهندسی معدن, Vol 16, Iss 53, Pp 92-112 (2021)
با توجه به اهمیت بالای شکست هیدرولیکی در صنایع نفت و گاز برای تحریک و افزایش ظرفیت مخازن نفتی، تحلیل رشد ترک در این محیط‌ها طی این فرآیند،
Externí odkaz:
https://doaj.org/article/eb6e0286d00e452183a7227371b65f2e
Publikováno v:
Analytical and Numerical Methods in Mining Engineering, Vol 11, Iss 27, Pp 79-92 (2021)
شکل و مکان تخلخل، تأثیر بسزایی بر رشد ترک در مواد متخلخل دارد. وقتی نمونه تحت تنش خارجی قرار میگیرد، به دلیل تمرکز تنش در اطراف این تخلخل
Externí odkaz:
https://doaj.org/article/5028310b7cdb4a599ab2fb9b581dcac1
Publikováno v:
Analytical and Numerical Methods in Mining Engineering, Vol 10, Iss 24, Pp 27-40 (2020)
چگونگی رشد ترک همواره به عنوان یک مسئله چالشی در بسیاری از زمینه‌های علوم زمین مانند شکست هیدرولیکی به شمار می‌رود. اگر چه تخلخل‌ها، درز
Externí odkaz:
https://doaj.org/article/807e2b4e185c438190289e79d511895c
Publikováno v:
نشریه مهندسی معدن, Vol 10, Iss 29, Pp 41-49 (2016)
آگاهی از سیستم خطواره‌های هر منطقه شامل گسل‌ها و شکستگی‌ها در مطالعات زمین‌شناسی، هیدروژئولوژی و از همه مهم‌تر اکتشاف ذخایر معدنی مفی
Externí odkaz:
https://doaj.org/article/9ffe782ba65544bd96ec7d568c1653e0
Publikováno v:
نشریه مهندسی معدن, Vol 5, Iss 10, Pp 21-30 (2010)
Reservoir permeability is a critical parameter for the evaluation of hydrocarbon reservoirs. There are a lot of well log data related with this parameter. In this study, permeability is predicted using them and a supervised committee machine neural n
Externí odkaz:
https://doaj.org/article/fd8072e7f6e14c608eca05236c0c9326