تخمین تراوایی و تخلخل موثر و تعیین واحدهای جریان هیدرولیکی با استفاده از شبکهی عصبی مصنوعی در میدان نفتی مارون
Publish place: 15th Symposium of Geological Society of Iran
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,097
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SGSI15_304
تاریخ نمایه سازی: 9 اسفند 1390
Abstract:
تراوایی و تخلخل موثر از مهمترین خصوصیات مخزن هستند که میتوانند بهعنوان ورودی جهت ساخت مدلهای پتروفیزیکی از مخزن مورد استفاده قرار گیرند. رابطهی تخلخل و تراوایی در قالب واحدهای جریان هیدرولیکی در توصیف سنگهای مخازن ناهمگن استفاده میشود. تخلخل پارامتر اندازهگیری حجم منافذ است در حالیکه تراوایی اندازهگیری خصوصیات جریان سیال در سنگها میباشد که بستگی به توزیع و اتصال منافذ دارد. شناسایی واحدهای جریان هیدرولیکی میتواند برای ارزیابی کیفیت مخزن بر اساس رابطهی تخلخل –تراوایی مورد استفاده قرار گیرد.تخلخل و تراوایی به ترتیب با انجام آزمایش تزریق هلیم و هوا بر روی نمونه های مغزه اندازه گیری میشوند.علاوه بر روشهای آزمایشگاهی، این دو پارامتر از روی نگار NMR گرفته شده از چاهها و نیز مقدار تراوایی از طریق چاهآزمایی اندازهگیری میشود.این روشها اگرچه دقیق هستند، ولی دارای معایبی چون، پرهزینه بودن و صرف زمان بسیار طولانی میباشند و در تعداد معدودی از چاهها انجام میپذیرد. در این مطالعه با توجه به اینکه در اکثر چاههای میدان مورد مطالعه نگاربرداری شده است، محاسبهی تخلخل و تراوایی و واحدهای جریانی با استفاده از روش شبکه ی عصبی مصنوعی پس انتشار خطا (BP-ANN )و به کمک دادههای لاگ صورتگرفته است. نتایج نشان میدهند شبکه های عصبی در پیشبینی پارامترهای مخزنی موفق عمل نموده است.
Keywords:
Authors
محمد آغاجریان
دانشجوی کارشناسی ارشد زمین شناسی نفت، دانشگاه آزاد اسلامی واحد علوم و
محمدرضا کمالی
دکتری زمین شناسی نفت ( ژئوشیمی نفت )، عضو هیات علمی پژوهشگاه صنعت نفت
علی کدخدایی
دکتری زمین شناسی نفت، عضو هیاتعلمی دانشکدهی زمین شناسی، دانشگاه تبری
صادق فتح الهی
کارشناسی ارشد مهندسی مخازن، شرکت ملی مناطق نفتخیز جنوب
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :