ترکیب روش های عصبی، فازی و عصبی- فازی با استفاده از الگوریتم مورچگان پیوسته برای تشخیص رخساره های مخزن
Publish place: The journal of Petroleum Research، Vol: 28، Issue: 1
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 132
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_PRRIP-28-1_008
Index date: 27 December 2023
ترکیب روش های عصبی، فازی و عصبی- فازی با استفاده از الگوریتم مورچگان پیوسته برای تشخیص رخساره های مخزن abstract
تشخیص رخساره های مخزنی و تعیین نواحی با کیفیت مخزنی بالا نقش مهمی در مدل سازی مخزن و همچنین حفاری های آتی در میدان های در حال توسعه ایفا می کند. شاخص جریانی یکی از شاخص هایی است که با توجه به تغییر خصوصیات مخزن تغییر کرده و می تواند نقش موثری در تقسیم بندی رخساره های مخزنی داشته باشد. مطالعه حاضر یک مدل بهینه یافته و پیشرفته را به وسیله ترکیب سیستم های هوشمند برای تخمین شاخص جریانی در کل میدان پیشنهاد می دهد. این ماشین گروهی نتایج پیش بینی شده حاصل از سیستم های هوشمند عصبی، فازی و عصبی- فازی را با وزن های مشخص با هم ترکیب می کند، وزن های بهینه برای هر یک از این روش ها به وسیله الگوریتم مورچگان پیوسته تعیین می شود. در این مطالعه از داده های چاه و لرزه نگاری سه بعدی مربوط به یکی از میادین جنوب ایران برای اعمال روش ها استفاده شده است. در مرحله اول، نشانگرهای لرزه ای که ارتباط بیشتری با داده هدف (FZI) دارند با استفاده از برازش گام به گام انتخاب می شوند و در ادامه با استفاده از سیستم های هوشمند و ترکیب آن ها مکعب سه بعدی شاخص جریانی در کل میدان تخمین زده می شود و در مرحله پایانی با استفاده از الگوریتم خوشه بندی C میانگین فازی (Fuzzy C-Mean) رخساره های مختلف مخزن از هم تفکیک داده می شوند. نتایج این مطالعه نشان دهنده کارایی بهتر ماشین گروهی با استفاده الگوریتم مورچگان پیوسته (ACO R) نسبت به هر یک از روش های منفرد می باشد.
ترکیب روش های عصبی، فازی و عصبی- فازی با استفاده از الگوریتم مورچگان پیوسته برای تشخیص رخساره های مخزن Keywords:
ترکیب روش های عصبی، فازی و عصبی- فازی با استفاده از الگوریتم مورچگان پیوسته برای تشخیص رخساره های مخزن authors
رضا محبیان
موسسه ژئوفیزیک، دانشگاه تهران، ایران
محمدعلی ریاحی
موسسه ژئوفیزیک، دانشگاه تهران، ایران
علی کدخدایی
دانشکده علوم زمین، دانشگاه 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 :