ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
Paper
Title

پیش بینی پارامترهای پتروفیزیکی مخزن (نفوذپذیری، تخلخل و ...) از طریق نگاره رزونانس مغناطیسی هسته ای NMR LOGGING)و داده های مغزه گیری به کمک هوش مصنوعی

Year: 1390
COI: IPEC03_041
Language: PersianView: 712
This Paper With 9 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

Abstract:

پارامترهای پتروفیزیکی سازند، از مهم ترین و اساسی ترین پارامترهای مربوط به جریان سیال می باشد. اهمیت نفوذپذیری در صنعت نفت و گاز با کاربرد آن به عنوان پارامتر تعیین کننده ضرورت تکمیل یا عدم تکمیل چاه،مشخص می شود.نفوذپذیری همچنین در مدیریت و توسعه مخازن حیاتی است. به طور مثال تعیین دبی تولید، تعیین بازه های تکمیل مشبک کاری، طراحی الگوی افزایش برداشت و محاسبه تزریق در مخازن. پس از کشف و به کارگیری نگاره رزونانس مغناطیسی هسته ایNMR LOGGINGو همچنین کاربرد آن در مطالعات آزمایشگاهی روی نمونه های سنگ مخزن، تلاشها در جهت اندازه گیری دقیق خصوصیات پتروفیزیکی سنگ مثل تخلخل و تراوایی با این روش آغاز و همچنان ادامه دارد. به دلیل مشکلات و هزینه های بالای عملیات مغزه گیری درچاه های نفت و گاز، که امکان اندازه گیری مستقیم پارامترهای تخلخل و تراوایی را در آزمایشگاه میسر می سازد به کارگیری ابزارهای CMR(Combinable Magnetic و MRIL(magnetic resonance image log) Resonance) به منظور اندازه گیری غیر مستقیم ولی دقیق پارامترهای پتروفیزیکی سنگ مخزن انجام شد. بدین منظور و جهت اندازه گیری پارامتر مهم تراوایی سنگ، دو مدلSDR(Schlumberger Doll و Coates Research) موجود می باشد. دراین مقاله سعی شده است با به کارگیری هوش مصنوعی و همچنین با بررسی داده های نگارهCMR و اطلاعات مغزه، روش جدیدی برای پیش بینی نفوذپذیری سازند ارائه شود که دقت بالاترینسبت به مدل هایSDR و Coates دارد.

Keywords:

نفوذپذیری- نگاره رزونانس مغناطیسی هسته ای- هوش مصنوعی

Paper COI Code

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/260016/

How To Citation:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
صفرپور، حامد و قاسم العسگری، محمدکمال و رشیدی، محمد،1390،پیش بینی پارامترهای پتروفیزیکی مخزن (نفوذپذیری، تخلخل و ...) از طریق نگاره رزونانس مغناطیسی هسته ای NMR LOGGING)و داده های مغزه گیری به کمک هوش مصنوعی،سومین کنگره ملی مهندسی نفت،تهران،،،https://civilica.com/doc/260016

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390، صفرپور، حامد؛ محمدکمال قاسم العسگری و محمد رشیدی)
برای بار دوم به بعد: (1390، صفرپور؛ قاسم العسگری و رشیدی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 مPaperقاله لینک شده اند :

  • - Coats, G.R., Xiao, L. Prammer, M.G., (1999) NMR Logging ...
  • - Porter, M., (2000) NMR logs: core calibration and integration ...
  • Coates, G. R., and Dumanoir, J. L, 1974, A New ...
  • - Kenyon, B., Kleinberg, R., Straley, Ch., Gublein, G., and ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم
    این Paper در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    Reviews

    5.00
    1 تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0

    مقالات پیشنهادی مرتبط

    New Papers

    Share this page

    More information about COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    Support