مقایسه کارایی روش های تخمین گر در تخمین تخلخل در مخازن نفتی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 975

This Paper With 8 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

PTCE01_044

تاریخ نمایه سازی: 16 مهر 1392

Abstract:

تخلخل از مه مترین پارامترهای مورد استفاده در شناسایی خصوصیات یک مخزن نفتی است. اندازه گیری میزان تخلخل به صورت مستقیم معمولا از طریق مطالعات مغزه بدست می آید. اما اندازه گیری تخلخل با استفاده از روش های مستقیم با چالش های متعددی روبه رو است. ازجمله این چالش ها عدم امکا ن مغزه گیری در تمام چاه ها و نیز در تمام اعماق است، ولی تقریبا در تمام چا هها نمودارگیری به صورت پیوستهانجام م یشود. در نتیجه م یتوان از نمودارهای چا هنگاری برای تخمین پارامتر تخلخل استفاده کرد. تخمین تخلخل با استفاده از رو شهای مختلفی صورت می گیرد. در این مقاله به منظور بررسی عملکرد روش های هوشمند برای تخمین پارامتر تخلخل از دو تکنیک شبکه عصبیچند لایه و سیستم فازی-عصبی درخت مدل خطی محلی استفاده شده است. تعداد متغیرهای ورودی برای هر دو روش تخمین یکسان وبرابر با سه پارامتر می باشد. به منظور بررسی و مقایسه این دو روش با یکدیگر نتایج بدست آمده با داد ههای مغزه مقایسه شد. براین اساس، استفاده از رویکرد فازی -عصبی درخت مدل خطی محلی با توجه به استراتژی تقسیم و تسخیر نسبت به تکنیک شبکه عصبی چندلایه،پارامتر تخلخل را با دقت بالاتری تخمین می زند. در نهایت براساس داده های چاه نگارها تخلخل در یکی از چا ههای نفتی جنوب ایران تخمینزده شد.

Keywords:

تخلخل , تکنی کهای هوشمند , شبکه عصبی چندلایه , سیستم فازی-عصبی درخت مدل خطی محلی

Authors

ساره صدیق

دانشجوی کارشناسی ارشد مهندسی اکتشاف معدن

مهرنوش علی پور شهسواری

دانشجوی کارشناسی ارشد مهندسی اکتشاف معدن

حسین معماریان

استاد،دانشکده فنی دانشگاه تهران

بهزاد تخم چی

استادیار،دانشکده مهندسی معدن،دانشگاه صنعتی شاهرود

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 :
  • /5] Babuska, R., 2009. "Fuzzy and Neural Control". DISC Course ...
  • Track, A., 1946. "Reservoir rock properties and fluid flow in ...
  • Rezaee, M. R., Kadkhodaie, A., Barabadi, A., 2007. "Prediction of ...
  • Jang, J. S. R., Sun, C. T. Mizutani, E, 1997. ...
  • /4] Jang, J. S. R., 1993. "ANFIS: Adaptive -network-based fuzzy ...
  • نمایش کامل مراجع