تخمین مقدار آب سازندی به کمک شبکه هوش مصنوعی در سازند سروک
Publish place: Fifth Scientific Conference on Hydrocarbon Reservoir Engineering and Upstream Industries
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 601
This Paper With 10 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RESERVOIR05_022
تاریخ نمایه سازی: 27 بهمن 1394
Abstract:
تخمین دقیق مقدار آب سازندی به کمک داده های چاه پیمایی با توجه به صرفه اقتصادی و زمانی نسبت به روش آزمایشگاهی آنالیز مغزه مورد توجه بسیاری از محققین قرار گرفته است که به ارائه ی مدلهای متنوعی با توجه به ویژگی های مخزنی انجامیده است. در این میان مخازن کربناته دارای ناهمگنی زیادی در شکل و اندازه ی گلوگاه فضای متخلخل می باشد که باعث می شود تخمین خواص مخازن کربناته به خصوص درجه اشباع آب بسیار پیچیده گردد و نتایج حاصله با خطای زیادی نیز همراه گردد. با گسترش روز افزون کاربرد و بهبود روش های هوشمند در مسائل مهندسی، در مهندسی نفت نیز به این روش ها جهت اندازه گیری خواص پتروفیزیکی مخزن توجه شده است. در این مطالعه از یک مدل شبکه هوش مصنوعی RBF برای تخمین درجه اشباع آب سازندی با استفاده از داده های نمودارهای معمول چاه پیمایی در یکی از مخازن کربناته جنوب غربی استفاده شده است و درنهایت نتایج این مدل با نتایج آنالیز مغزه مقایسه شده است. با بررسی داده های آزمایش در یک چاه دیگر نتایج نشان می دهند که این روش با رسیدن به خطای مربعات میانگین برابر ۰021/۰ و یک ضریب کرولیشن ۹21/۰ از دقت بالایی در تخمین درجه اشباع نفت برخوردارمی باشد، در حالیکه روش های معمول مانند مدل آرچی دارای خطای مربعات میانگین برابر 0۱۲0/۰ و یک ضریب کرولیشن ۴۱/۰ می باشد که نشان از توانایی بالای مدل RFB نسبت به روش های معمول تجربی می باشد.
Keywords:
Authors
محمدرضا چراغچی
کارشناسی ارشد، رشته مهندسی مخازن هیدروکربوری نفت، دانشگاه آزاد اسلامی واحد امیدیه
حسن امیری بختیار
دکتری زمین شناسی، شرکت مناطق نفت خیز جنوب
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 :