تخمین اشباع آب و تخلخل با استفاده از شبکه های عصبی هوشمند و اطلاعات خام پتروفیزیکی برای یکی از مخازن جنوب غرب ایران
Publish place: 3rd Iranian Petroleum Engineering Congress
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 677
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IPEC03_162
تاریخ نمایه سازی: 7 تیر 1393
Abstract:
اشباع آب و تخلخل موثر، نقش مهمی در ارزیابی میزان ذخایر مخازن نفت و گاز دارند. در این مطالعه دو شبکه عصبی مصنوعی پس انتشار جداگانه برای پیش بینی این دو پارامتر با استفاده از داده های چاه پیمایی و آنالیز مغزهطراحی شده است. داده های مخزن کربناته دو چاه در یکی از میادین جنوب غرب ایران مورد استفاده قرار گرفت. مدل بر اساس طراحی شبکه سه لایه با تابع فعال سازی تانژانت هایپربولیک برای لایه میانی و تابع فعال سازی خطی برای لایه خروجی می باشد. از لاگ های پرتوی گاما، نوترون، دانسیته، مقاومت عمیقLLD)و صوتی در ورودی استفاده گشت. بعد از پردازش داده ها 70 درصد آنها برای آموزش شبکه، 15 درصد برای اعتبارسنجی و مابقی برای آزمایش قرار داده شدند. ضرایب همبستگی شبکه های اشباع آب و تخلخل موثر ایجاد شده بعد از آموزش برای چاهAبه ترتیب برابر 0/978و0/983وچاه B 0/973و0/948 بدست آمد. نتایح حاصل از این مطالعه موردی درپیش بینی اشباع آب و تخلخل موثر با استفاده از این روش هوشمند دقت مناسبی را نشان می دهد
Keywords:
Authors
پیام لاهه مطلق
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران،گروه مهندسی نفتو گاز، تهران، ایران
راشل مصطفایی
دانشگاه آزاد اسلامی واحد تهران شمال، باشگاه پژوهشگران جوان، تهران، 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 :