استفاده از روش شبکه های عصبی مصنوعی برای پیش بینی پارامترهای چاه_آزمایی
Publish place: Petroleum Technical Conference and Exhibition
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 834
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
PTCE01_117
Index date: 8 October 2013
استفاده از روش شبکه های عصبی مصنوعی برای پیش بینی پارامترهای چاه_آزمایی abstract
شبکههای عصبی از عناصر عملیاتی سادهای ساخته میشوند که بهصورت موازی در کنار هم عمل میکنند. این عناصر از سیستمهای عصبی زیستی الهام گرفته شدهاند، بنابراین میتوانیم یک ساختار مصنوعی به تبعیت از شبکههای طبیعی بسازیم. پس از تنظیم یا آموزش شبکهیعصبی مصنوعی ، اعمال یک ورودی خاص به آن منجر به دریافت پاسخ خاص میشود. آزمایش چاه یک دورهی زمانی است که طی آن دبی ویا فشار یک چاه برای تخمین خواص چاه، و مخازن هیدروکربوری اندازهگیری میشود. روشهای قدیمی آزمایش چاه به دلیل این که روشهای تجربی بوده و برخی فرضیات و محدودیتها در آنها اعمال شده است در این مقاله سعی شده از روشهای جایگزین استفاده شود کاربردهای متفاوت روشهای هوش مصنوعی از جمله روش شبکههای عصبی مصنوعیANNs)در دهههای اخیر در زمینههای گوناگونحاکی از قابلیت زیاد آنها در مهندسی نفت برای تعیین پارامترهای مخازن و میدانهای نفتی است. برای این منظور در یکی از میدانهای جنوب ایران از میان تعدادی چاه، سه چاه را انتخاب کرده و از دادههای آنها در این مقاله استفاده میکنیم. مقایسه نتایج حاصل از بهترینپیشبینیMLPو نتایج روش هرنر، مقادیر نزدیک به هم را نشان میدهد. نتیجه این که به کارگیری روشANNsبه خصوص روشMLP در تستهای افزایش فشار، موجب کاهش هزینهها میشود و این میتواند ابزار گرانبهایی برای چاهآزمایی باشد
استفاده از روش شبکه های عصبی مصنوعی برای پیش بینی پارامترهای چاه_آزمایی Keywords:
استفاده از روش شبکه های عصبی مصنوعی برای پیش بینی پارامترهای چاه_آزمایی authors
پیمان ترابیده
دانشجوی کارشناسی ارشد مهندسی مخزن
عباس خاکسار منشاد
استادیار دانشکده مهندسی نفت
حبیب رستمی
استادیار دانشکده مهندسی شیمی
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 :