مقایسه کارکرد شبکه های عصبی مرسوم برای برآورد تخلخل در یکی از میدان های نفتی جنوب خاوری ایران
Publish place: The journal of Petroleum Research، Vol: 31، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 71
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PRRIP-31-2_004
تاریخ نمایه سازی: 4 دی 1402
Abstract:
در صنعت نفت از هوش مصنوعی برای شناسایی روابط، بهینه سازی، برآورد و رده بندی تخلخل بهره گیری می شود. یکی از مهم ترین مراحل ارزیابی پارامترهای پتروفیزیکی مخزن، شناسایی ویژگی های تخلخل است. هدف اصلی این پژوهش مقایسه درستی و تعمیم پذیری سه شبکه عصبی چند لایه پیش خور (MLFN)، شبکه تابع شعاع مبنا (RBFN) و شبکه عصبی احتمالی (PNN) برای برآورد تخلخل با بهره گیری از ویژگی های لرزه ای است. در این راستا، داده های زمین شناسی ۷ حلقه چاه یک میدان نفتی فراساحلی هندیجان در شمال باختری حوضه خلیج فارس مورد ارزیابی قرارگرفت. امپدانس صوتی با بهره گیری از روش وارونگی مبتنی بر مدل برآورد شد و سپس شبکه های عصبی یاد شده با بهره گیری از ویژگی های لرزه ای بهینه طراحی شده و با روش رگرسیون گام به گام مورد ارزیابی قرار گرفتند. سرانجام مشخص شد که مدل MLFN برای برآورد تخلخل خوب عمل نمی کند. PNN از بهترین دقت کارکرد در درون یابی تخلخل برخوردار است، اما تعمیم پذیری RBFN بهتر است.
Keywords:
Authors
فرشاد توفیقی
گروه مهندسی معدن، دانشکده فنی، دانشگاه بین المللی امام خمینی، قزوین، ایران
پرویز آرمانی
گروه زمین شناسی، دانشکده علوم، دانشگاه بین المللی امام خمینی، قزوین، ایران
علی چهرازی
مدیریت طرح های اکتشافی، شرکت نفت فلات قاره ایران، تهران، ایران
اندیشه علی مرادی
گروه مهندسی معدن، دانشکده فنی، دانشگاه بین المللی امام خمینی، قزوین، 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 :