به کارگیری شبکه عصبی هوشمند جهت پیش بینی تراوایی سازند با استفاده از داده های چاه پیمایی
Publish place: The Second Scientific Conference of Hydrocarbon Reservoir Engineering, Science and Related Industries
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,336
This Paper With 12 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:
RESERVOIR02_029
تاریخ نمایه سازی: 11 خرداد 1392
Abstract:
تراوایی یکی از پارامترهای کلیدی جهت توصیف و مدل سازی مخازن می باشد. علی رغم پیشرفت های زیاد در روش های مختلف ارزیابی تراوایی همچون چاه آزماییو چاه پیمایی، همچنان دقیق ترین روش اندازه گیری تراوایی، آنالیز مغزه می باشد که روشی پر هزینه و زمانبر بوده و در عین حال نتایج آن تنها برای تعداد معدود و عمق محدودی از چاه ها موجود می باشد. به علت موجود بودن داده های مربوط به چاه پیمایی تقریبا در تمامی چاه های حفاری شده، تلاش های زیادی جهت برقراری رابطه ای منطقی بین داده های چاه پیمایی و تروایی حاصل از آنالیز مغزه حاصل گردیده است.تحقیقات گذشته نشان داده است که روش های هوشمند همچون شبکه های عصبی مصنوعی به خاطر قابلیتشان در حل مسائل پیچیده، به خوبیتوانایی پیش بینی تراوایی را از داده های چاه پیمایی دارا می باشند. در این مطالعه مدلی بر اساس شبکه عصبی پیش رونده برای پیش بینی میزان تراوایی مخزن با استفاده از داده های چاه پیمایی ارائه شده است. نتایج حاصل از عملکرد شبکه عصبی به کار گرفته شده نشان می دهد که شبکه موجود با خطای میانگین مربعات(Mean square error, MSE)0.0022 و ضریب تعیین (Coefficient of determination, R2)0.9874کاندیدای مناسبی جهت پیش بینی تراوایی مخزن توسط داده های چاه پیمایی می باشد.
Keywords:
Authors
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 :