ارزیابی تخلخل مخازن هیدروکربوری کربناته با استفاده از نمودار های چاه پیمایی و شبکه های عصبی مصنوعی: مطالعه موردی یکی از مخازن جنوب غرب ایران
Publish place: 01st Iranian Petroleum Engineering Congress
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 4,134
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IPEC01_116
تاریخ نمایه سازی: 10 اردیبهشت 1386
Abstract:
شناخت و ارزیابی پارامتری پتروفیزیکی مخازن هیدروکربوری، مانند تخلخل و نفوذپذیری، با استفاده از داده های چاه پیمایی همواره با خطاهای گوناگون همراه است و عوامل مختلف، دقت این روش ها را پایین می آورند. به علاوه نمی توان در تمامی چاه های حفاری شده به منظور اندازه گیری این پارامتر ها مغزه گیری انجام داد، لذا سعی می شود تا با تلفیق نمودارهای مختلف چاه پیمایی دقت برآورد پارامترهای پتروفیزیکی را افزایش داد. یکی از روش های برآورد تخلخل و دیگر پارامترهای مخزن به کمک اطالاعات چاه پیمایی، استفاده از شبکه های عصبی مصنوعی می باشد. با استفاده از این روش می توان به کمک نمودارهای رقومی شده چاه پیمایی به عنوان پارامترهای ورودی به شبکه، ارتباطی مناسب بین داده های چاه پیمایی و پارامترهای پتروفیزیکی بدست آمده از مغزه برقرار کردو در موارد فاقد مغزه در مخزن، با استفاده از شبکه آموزش دیده پارامترهای پتروفیزیکی را برآورد نمود. در این تحقیق با استفاده از نمودارهای مختلف چاه پیمایی و به کمک شبکه های عصبی مصنوعی سعی شده تا تخلخل مغزه در یکی از مخازن کربناته نفتی جنوب غرب ایران برآورد شود. در ا ین تخقیق به منظور ارزیابی تخلخل از شبکه های پس انتشار خطا (BP) و شبکه های رگرسیون کلی (GRNN) با تعداد ورودی های مختلف، استفاده شده است. به علاوه تاثیر توزیع آماری داده های ورودی بر عملکرد شبکه های عصبی مصنوعی پس انتشار خطا نیز بررسی شده است.در این تحقیق بهترین پاسخ برای برآورد تخلخل از شبکه پس انتشار خطا با 6 لاگ به عنوان ورودی که توزیع آماری آنها نرمال استاندارد شده بود، بدست آمد.
Keywords:
Authors
احسان نصرت
دانشجوی کارشناسی ارشد مهندسی اکتشاف نفت، دانشگاه صنعتی امیرکبیر
حمید رضا رمضی
دانشجوی کارشناسی ارشد مهندسی معدن، متالوژی و نفت دانشگاه صنعتی امیر
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 :