تخمین تخلخل مخزن با استفاده از شبکه با تابع شعاعی دینامیکی (بر اساس نشانگر لرزه ای امپدانس صوتی)
Publish place: The First National Conference of Petroleum Goemechanics
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 794
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NPGC01_026
Index date: 23 September 2015
تخمین تخلخل مخزن با استفاده از شبکه با تابع شعاعی دینامیکی (بر اساس نشانگر لرزه ای امپدانس صوتی) abstract
تخلخل یکی از اساسی ترین پارامترهای پتروفیزیکی مخزن است . در مکان هایی که مغزه گیری نشده تخمینتخلخل از روی نگارهای چاه با روشهای استاتیکی کار پیچیده ای است و استفاده از تکنیکهای پیشرفته تخمین اجتنابناپذیر است . این ابزارها با کاهش هزینه های اکتشاف در بهره برداری از منابع هیدروکربنی کمک شایانی می کنند . ازجمله این ابزارها شبکه های عصبی مصنوعی است. هدف این تحقیق طراحی یک شبکه عصبی مصنوعی از نوع شعاعیدینامیکی DRBF برای تخمین تخلخل یک مخزن هیدروکربنی با استفاده از نشانگر لرزه ای امپدانس صوتی و پیدا کردنیک رابطه غیر خطی بین نشانگر لرزه ای و تخلخل مخزن است. اطلاعات موجود از نگاره های چاه به عنوان مقادیر آموزشیتابع شعاعی استفاده شد. پس از اعمال الگوریتم، خروجی شبکه که همان تخلخل واقعی است بدست آمد. سپس الگوریتمبدست آمده روی داده های لرزه ای حاصل از نشانگر مقاومت صوتی اعمال شد تا تخلخل پیش بینی شده بدست آید. درنهایت شبکه عصبی شعاعی DRBF برای برآورد توزیع تخلخل در میدان نفتی جنوب غربی ایران به کاربرده شد. نتایجنشان می دهد تخلخل پیش بینی شده با روش DRBF دارای دقت بالایی است.
تخمین تخلخل مخزن با استفاده از شبکه با تابع شعاعی دینامیکی (بر اساس نشانگر لرزه ای امپدانس صوتی) Keywords:
تخمین تخلخل مخزن با استفاده از شبکه با تابع شعاعی دینامیکی (بر اساس نشانگر لرزه ای امپدانس صوتی) authors
اشرف قنبری
دانشجوی کارشناسی ارشد ژئوفیزیک، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران
محمدعلی ریاحی
دانشیار، گروه فیزیک زمین، موسسه ژئوفیزیک دانشگاه 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 :