بازسازی محیط متخلخل چندمقیاسه سنگ کربناته با استفاده از زمین آماری چند نقطه ای و شبکه عمیق خودرمزگذار
Publish place: 17th National Congress of Chemical Engineering of Iran
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 403
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NICEC17_333
تاریخ نمایه سازی: 27 دی 1400
Abstract:
آنالیز دیجیتال فیزیک سنگ مخزن به عنوان یکی از روشهای نوین در بحث ارزیابی خصوصیات پتروفیزیکی سنگ مخزن شناخته میشود. در مواقعی که تصاویر سه بعدی محیط متخلخل در دسترس نباشد از روشهای بازسازی استفاده میشود. در تحقیق پیش رو از ترکیب دو روش بازسازی زمین آماری چند نقطهای و شبکه عصبی عمیق خودرمزگذار (Auto-Encoder Deep Neural Network) به منظور بازسازی تصاویر محیط متخلخل چندمقیاسه استفاده شده است. روش زمین آماری چند نقطه ای وظیفه بازسازی سه بعدی نمونه های دوبعدی را در یک مقیاس برعهده دارد و شبکه عمیق خودرمزگذار، با آنالیز لایه به لایه تصویر بازسازی شده به اصلاح بازسازی حاصله از روش آماری می پردازد و نمونه ای چندمقیاسه را بر مبنای داده های ورودی بازسازی می کند. ارزیابی نمونه های بازسازی شده از منظر بصری و آماری انجام شده است.
Keywords:
محیط متخلخل , آنالیز دیجیتال , بازسازی چندمقیاسه , زمین آماری چند نقطه ای , شبکه عصبی عمیق خودرمزگذار
Authors
رضا شمس
دانشجوی دکتری مهندسی نفت، دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف
محسن مسیحی
استاد تمام رشته مهندسی نفت، دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف
رامین بزرگمهری بوذرجمهری
استاد تمام رشته مهندسی شیمی، دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف
مارتین بلانت
استاد تمام رشته مهندسی نفت، دانشکده علوم و مهندسی زمین، دانشگاه امپریال کالج لندن