برآورد مقدارکربن آلی کل با استفاده ازشبکه عصبی مصنوعی در میدان نفتی بینک، استان بوشهر
Publish place: Quarterly Journal of Geosciences، Vol: 17، Issue: 66
Publish Year: 1386
نوع سند: مقاله ژورنالی
زبان: Persian
View: 149
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:
JR_GSJ-17-66_003
تاریخ نمایه سازی: 16 بهمن 1400
Abstract:
مقدار کربن آلی کل (Total Organic Carbon) موجود در سنگ منشا هیدروکربن یکی از پارامترهای حائز اهمیت در ارزیابی آن است. این پارامتر نه تنها در مطالعات ژئوشیمیایی هیدروکربن مورد استفاده قرار می گیرد، بلکه در بررسی میزان گسترش سنگ منشا نیز نقش بسزایی دارد به گونه ای که با افزایش TOC، احتمال حضور سنگ منشا افزایش می یابد وکاهش آن بیانگر عدم گستردگی سنگ منشا در یک ژرفای معلوم است. بنابراین وجود روشی که بتواند به برآورد هر چه بهتر آن کمک کند، لازم است. شبکه های عصبی مصنوعی یکی از روشهای عددی حل مسئله است که با الگو برداری از عملکرد شبکه های عصبی زیست شناختی به تحلیل مسائل پرداخته و اقدام به برآورد، رده بندی و ... می کند. این مقاله با هدف معرفی ساختار و چگونگی عملکرد شبکه های عصبی، اقدام به برآورد مقدار مواد آلی کل موجود در سنگ منشا هیدروکربن در میدان نفتی بینک با استفاده از اطلاعات چاه پیمایی می کند. نتایج حاصل، بیانگر این مطلب است که شبکه پرسپترون چند لایه( Multi-Layer Perceptron ) بهترین شبکه ای بود که برای برآورد استفاده شد که دارای یک لایه میانی با ۶ گره ونوع الگوریتم آموزشی پس انتشار مومنتم باتابع تحریک تانژانتی بود. پس از آموزش شبکه، مقدار خطای برآورد ۰۰۱۳/۰ حاصل شد. پس ازآن، داده های آموزشی و غیر آموزشی آزموده شدند و در نهایت مقایسه بین مقادیرTOC واقعی و برآورد انجام گردید که نتیجه مطلوب حاصل شد. در پایان، تحلیل حساسیت روی پارامترهای موثر در بر آورد انجام گردید و بر اساس آن، پارامتر تخلخل نوترونی (NPHI) به عنوان موثرترین و حساس ترین پارامتر و DT به عنوان پارامتری با کمترین حساسیت موثر در برآورد شناخته شدند.
Keywords:
Authors
محمد جعفر محمد زاده
دانشکده مهندسی معدن، دانشگاه صنعتی سهند، تبریز، ایران
حمید آقابابایی
دانشکده مهندسی معدن، دانشگاه صنعتی سهند، تبریز، ایران
آینور ناصری
دانشکده مهندسی معدن، دانشگاه صنعتی سهند، تبریز، ایران
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 :