Výsledky vyhledávání - "Shadmand, Mohammad"

Report

Estimating oil recovery factor using machine learning: Applications of XGBoost classification

Autor: Roustazadeh, Alireza, Ghanbarian, Behzad, Male, Frank, Shadmand, Mohammad B., Taslimitehrani, Vahid, Lake, Larry W.

In petroleum engineering, it is essential to determine the ultimate recovery factor, RF, particularly before exploitation and exploration. However, accurately estimating requires data that is not necessarily available or measured at early stages of r

Externí odkaz: http://arxiv.org/abs/2210.16345

Zobrazit plný text záznamu

Report

Estimating oil and gas recovery factors via machine learning: Database-dependent accuracy and reliability

Autor: Roustazadeh, Alireza, Ghanbarian, Behzad, Shadmand, Mohammad B., Taslimitehrani, Vahid, Lake, Larry W.

Publikováno v: Engineering Applications of Artificial Intelligence Volume 128, February 2024, 107500

With recent advances in artificial intelligence, machine learning (ML) approaches have become an attractive tool in petroleum engineering, particularly for reservoir characterizations. A key reservoir property is hydrocarbon recovery factor (RF) whos

Externí odkaz: http://arxiv.org/abs/2210.12491

Zobrazit plný text záznamu

Akademický článek

Estimating hydrocarbon recovery factor at reservoir scale via machine learning: Database-dependent accuracy and reliability

Autor: Roustazadeh, Alireza, Ghanbarian, Behzad, Shadmand, Mohammad B., Taslimitehrani, Vahid, Lake, Larry W.

Publikováno v: In Engineering Applications of Artificial Intelligence February 2024 128

Zobrazit plný text záznamu

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Dissertation/ Thesis

A Design-Oriented Framework to Determine the Parasitic Parameters of High Frequency Magnetics in Switching Power Supplies using Finite Element Analysis Techniques

Autor: Shadmand, Mohammad

Magnetic components, such as inductors and transformers, have important effects on the efficiency and performance of switching power supplies; their parasitic properties directly impact the high frequency properties which can cause lot-to-lot variati

Externí odkaz: http://hdl.handle.net/1969.1/ETD-TAMU-2012-05-11082

Zobrazit plný text záznamu