SEARCH:
Сегодня
04 декабря 2024 / Wednesday / Неделя четная
Time tableРасписание
  
    New Tab     
    New Tab     
1. Rukavishnikov V.S., Sizykh S.A. Object modeling and prediction of well rates in tide domintated delta reservoir, Field N, Russia // 6th Saint Petersburg International Conference and Exhibition on Geosciences 2014: Investing in the Future - 2014. - p. 669-673.
2. Rukavishnikov V. S. , Belozerov B. V. , Bochkov A. S. , Mishina D. O. Depositional features of the middle jurassic formation of field N and their influence on optimal drilling schedule // 6th Saint Petersburg International Conference and Exhibition on Geosciences 2014: Investing in the Future - 2014. 2014 - p. 321-325.
3. Rukavishnikov V. S. , Kondratjev A. . , Shakirzyanov L. N. Reservoir heterogeneity influence on hard-torecover reserves development - A case study of Achimov Fm, Vingapur field // 6th Saint Petersburg International Conference and Exhibition on Geosciences 2014: Investing in the Future - 2014 - p. 775-779.
4. Rukavishnikov V. S. , Sukovatiy V. A. , Kuzmin S. Y. Analysis of possible geological reasons causing rapid rate decline - A case study of T field, Russia // 6th Saint Petersburg International Conference and Exhibition on Geosciences 2014: Investing in the Future - 2014 - p. 495-499.
5. Rukavishnikov V. S. , Belozerov B. V. , Malyshevskaya K. A. , Podnebesnykh A. V. Integrated approach for identification of gas accumulation in PK1-3 formation of M field // 6th Saint Petersburg International Conference and Exhibition on Geosciences 2014: Investing in the Future - 2014 - p. 302-306

Список публикаций

Количество записей: 53

  1. Machine-Learning Predictive Model for Semiautomated Monitoring of Solid Content in Water-Based Drilling Fluids / Shadfar Davoodi, Sergey V. Muravyov, David A. Wood [et al.] // Arabian Journal for Science and Engineering. — 2024. — Vol. 49. — 20 p. — Режим доступа: по договору с организацией-держателем ресурса. — URL: https://doi.org/10.1007/s13369-024-09689-w

  2. Carbon Dioxide Storage and Cumulative Oil Production Predictions in Unconventional Reservoirs Applying Optimized Machine-Learning Models / Shadfar Davoodi, Hung Vo Thanh, David A. Wood [et al.] // Petroleum Science. — 2024. — Vol. XX, iss. X. — 71 p. — URL: https://doi.org/10.1016/j.petsci.2024.09.015

  3. Machine learning insights to CO2-EOR and storage simulations through a five-spot pattern – a theoretical study / Sh. Davoodi, Hung Vo Thanh, D. A. Wood [et al.] // Expert Systems with Applications. — 2024. — Vol. 250. — Article number 123944, 21 p. — Режим доступа: по договору с организацией-держателем ресурса. — URL: https://doi.org/10.1016/j.eswa.2024.123944

  4. Robust Machine Learning Predictive Models for Real-Time Determination of Confined Compressive Strength of Rock Using Mudlogging Data / T. M. Zamanzadeh, Sh. Davoodi, D. A. Wood [et al.] // Rock Mechanics and Rock Engineering. — 2024. — Vol. 57. — 27 p. — Режим доступа: по договору с организацией-держателем ресурса. — URL: https://doi.org/10.1007/s00603-024-03859-w

  5. Geothermal energy recovery from abandoned petroleum wells: A review of the challenges and opportunities / Shadfar Davoodi, Mohammed Al-Shargabi, David A. Wood [et al.] // Sustainable Energy Technologies and Assessments. — 2024. — Vol. 68. — Article number 103870, 16 p. — Режим доступа: по договору с организацией-держателем ресурса. — URL: https://doi.org/10.1016/j.seta.2024.103870

  6. Коношонкин, Д. В. Разработка технологии определения потенциально продуктивного трещинного коллектора в отложениях доюрского комплекса Томской области на основе одномерного геомеханического моделирования : автореферат диссертации на соискание ученой степени кандидата геолого-минералогических наук / Коношонкин Дмитрий Владимирович ; науч. рук. В. С. Рукавишников ; Национальный исследовательский Томский политехнический университетТомск, 2024. — 24 с. : ил. — На правах рукописи

  7. Modified-starch applications as fluid-loss reducers in water-based drilling fluids: A review of recent advances = Применение модифицированного крахмала в качестве уменьшителей потерь жидкости в буровых растворах на водной основе: обзор последних достижений / S. Davoodi, M. Al-Shargabi, D. A. Wood [et al.] // Journal of Cleaner Production. — 2024. — Vol. 434. — Article number 140430, 30 p. — URL: https://doi.org/10.1016/j.jclepro.2023.140430

  8. Recent advances in polymers as additives for wellbore cementing applications: A review / Sh. Davoodi, M. Al-Shargabi, D. A. Wood, V. S. Rukavishnikov // Fuel. — 2024. — Vol. 357. Pt. A. — Artical number 129692, 25 p. — URL: https://doi.org/10.1016/j.fuel.2023.129692

  9. Combined deep-learning optimization predictive models for determining carbon dioxide solubility in ionic liquids / Shadfar Davoodi, Hung Vo Thanh, David A. Wood [et al.] // Journal of Industrial Information Integration. — 2024. — Vol. 41. — Article number 100662, 21 p. — Режим доступа: по договору с организацией-держателем ресурса. — URL: https://doi.org/10.1016/j.jii.2024.100662

  10. A robust hybrid real-time model for hole cleaning conditions based on concentration of cuttings in the annulus / Mohammed Al-Shargabi, Shadfar Davoodi, Mohammed Al-Rubaii, V. S. Rukavishnikov ; National Research Tomsk Polytechnic University // Проблемы геологии и освоения недр : труды XXVIII Международного молодежного научного симпозиума имени академика М.А. Усова, посвященного 125-летию со дня рождения академика Академии наук СССР, профессора К.И. Сатпаева и 130-летию со дня рождения члена-корреспондента Академии наук СССР, профессора Ф.Н. Шахова, 1-5 апреля 2024 г., г. Томск / Национальный исследовательский Томский политехнический университет, Инженерная школа природных ресурсов ; гл. ред. А. С. Боев ; под ред. Е. Ю. Пасечник. — 2024. — Т. 2. — С. 11-13. — URL: http://earchive.tpu.ru/handle/11683/81083

  11. "Проектный офис": методология создания : информационное издание / П. П. Сорокин, Е. Л. Кирьянов, А. В. Стрюков, В. С. Рукавишников ; Национальный исследовательский Томский политехнический университетТомск : Изд-во ТПУ, 2024. — 1 файл (0,9 MB, 112 с.). — Режим доступа: из корпоративной сети ТПУ. — URL: https://www.lib.tpu.ru/fulltext2/m/2024/m29.pdf

  12. Carbon dioxide sequestration through enhanced oil recovery: A review of storage mechanisms and technological applications / S. Davoodi, M. Al-Shargabi, D. A. Wood [et al.] // Fuel. — 2024. — Vol. 366. — 131313, 36 p. — Режим доступа: по договору с организацией-держателем ресурса. — URL: https://doi.org/10.1016/j.fuel.2024.131313

  13. Коношонкин, Д. В. Разработка технологии определения потенциально продуктивного трещинного коллектора в отложениях доюрского комплекса Томской области на основе одномерного геомеханического моделирования : автореферат диссертации на соискание ученой степени кандидата геолого-минералогических наук / Коношонкин Дмитрий Владимирович ; науч. рук. В. С. Рукавишников ; Национальный исследовательский Томский политехнический университетТомск, 2024. — 1 файл (2 486 КБ, 24 с.) : pdf. — На правах рукописи. — URL: https://earchive.tpu.ru/handle/11683/80477

  14. Коношонкин, Д. В. Разработка технологии определения потенциально продуктивного трещинного коллектора в отложениях доюрского комплекса Томской области на основе одномерного геомеханического моделирования : диссертация на соискание ученой степени кандидата геолого-минералогических наук / Коношонкин Дмитрий Владимирович ; науч. рук. В. С. Рукавишников ; Национальный исследовательский Томский политехнический университетТомск, 2024. — 1 файл (12 388 КБ, 207 с.) : pdf. — На правах рукописи. — URL: https://earchive.tpu.ru/handle/11683/80492

  15. Наноматериалы в нефтегазовой промышленности: Применение в системах буровых растворов : учебное пособие / Ш. Давуди, М. А. Т. С. Аль-Шаргаби, К. М. Минаев, В. С. Рукавишников ; Национальный исследовательский Томский политехнический университетТомск : Изд-во ТПУ, 2023. — 145 с. : ил.

  16. Machine-learning models to predict hydrogen uptake of porous carbon materials from influential variables / Sh. Davoodi, Vo Thanh Hung, D. A. Wood [et al.] // Separation and Purification Technology. — 2023. — Vol. 316. — [123807, 23 р.]. — URL: https://doi.org/10.1016/j.seppur.2023.123807

  17. Machine-learning predictions of solubility and residual trapping indexes of carbon dioxide from global geological storage sites / Sh. Davoodi, Vo Thanh Hung, D. A. Wood [et al.] // Expert Systems with Applications. — 2023. — Vol. 222. — [119796, 18 p.]. — URL: https://doi.org/10.1016/j.eswa.2023.119796

  18. Predicting shear wave velocity from conventional well logs with deep and hybrid machine learning algorithms / M. Rajabi, O. Hazbeh, Sh. Davoodi [et al.] // Journal of Petroleum Exploration and Production. — 2023. — Vol. 13, iss. 1. — [P. 19-42]. — URL: https://doi.org/10.1007/s13202-022-01531-z

  19. Шадрин, А. С. Особенности гидродинамического моделирования трещиноватого коллектора / А. С. Шадрин ; науч. рук. В. С. Рукавишников ; Инженерная школа природных ресурсов НИ ТПУ // Проблемы геологии и освоения недр : труды XXVII Международного молодежного научного симпозиума имени академика М.А. Усова, посвященного 160-летию со дня рождения академика В.А. Обручева и 140-летию академика М.А. Усова, основателям Сибирской горно-геологической школы, 3-7 апреля 2023 г., г. Томск / Национальный исследовательский Томский политехнический университет, Инженерная школа природных ресурсов ; гл. ред. А. С. Боев ; под ред. Е. Ю. Пасечник. — 2023. — Т. 2. — С. 79-80. — URL: http://earchive.tpu.ru/handle/11683/77849

  20. Обзор геотермальных энергетических ресурсов и технологий производства геотермальной энергии : монография / Ш. Давуди, М. Аль Шаргаби, Г. Ю. Шишаев [и др.] ; Национальный исследовательский Томский политехнический университетТомск : Изд-во ТПУ, 2023. — 1 файл (6,2 MB, 133 с.). — Режим доступа: из корпоративной сети ТПУ. — URL: https://www.lib.tpu.ru/fulltext2/m/2023/m41.pdf

Страницы: 1 2 3