مقایسه روش های خوشه بندی به منظور تعیین گروه های سنگی در میدان گازی پارس جنوبی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 486

This Paper With 19 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICMRS01_083

تاریخ نمایه سازی: 8 آبان 1395

Abstract:

میدان گازی پارس جنوبی، یکی از میادین جنوب غربی ایران و شامل دو مخزن گازی کنگان و دالان فوقانی در حوضه رسوبی زاگرس است. سازندهای کنگان و دالان به گروه دهرم تعلق دارند و از مهمترین مخازن گازی در ناحیه خلیج فارس محسوب می شوند. تعیین گروه سنگی مخزنی فرایندی است که در طی آن رخساره های زمین شناسی با رفتار دینامیک خود مشخص می شوند. تفکیک گروه های سنگی با روش های مختلف یکی از مفیدترین مطالعات به منظور تحلیل کیفیت مخزنی و گاهی زون بندی یک مخزن است. به دلیل ارتباط مؤثر بین ویژگی های زمین شناسی و پتروفیزیکی در هر واحد جریان هیدرولیکی شناخت چگونگی توزیع واحدهای جریانی در یک مخزن می تواند در تفکیک مخزن به واحدهای متنوع با شرایط مخزنی متفاوت مفید باشد. در این مطالعه از سه روش شاخص منطقه جریانی، میانگین K داده و گوستافسون- کسل برای تعیین گروه های سنگی در چهار بخش K3، K2، K1 و K4 از میدان گازی پارس جنوبی استفاده شد که با توجه به نتایج بدست آمده از پیاده سازی این سه روش در عمق و اعمال شاخص پیوستگی، به ترتیب روش های گوستافسون- کسل، میانگین K داده و شاخص منطقه جریانی بهترین پیوستگی ها را در عمق نشان می دهند. بخش K4 در روش گوستافسون- کسل دارای بیشترین پیوستگی (2/8732) در عمق می باشد.

Authors

محسن ایگدر

دانشجوی دکتری تخصصی زمین شناسی، گرایش سنگ شناسی رسوبی و رسوب شناسی، گروه زمین شناسی، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

زینب ایگدر

دانشجوی کارشناسی ارشد زمین شناسی، گرایش نفت، گروه زمین شناسی، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

بهزاد تخم چی

دانشیار دانشکده ژئوفیزیک، نفت و معدن دانشگاه صنعتی شاهرود

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 :
  • Alpaydin, E., 2004. Introduction to Machine Learning. The MIT Pres. ...
  • Amaefule, J.O., Altunbay, M., Tiab, D., Kersey, D.G. and Kedan, ...
  • Archie, G.E., 1942. The electrical resistivity log as an aid ...
  • Campello R.J.G.B. and Hruschka E.R., 2009. A fuzzy extension of ...
  • Carmen, P.C., 1937.Fluid Flow through Granular Bed, Trans. AIChE , ...
  • Gustafson, D.E. and Kessel, W.C., 1979. Fuzzy clustering with a ...
  • Fahad, A., Al-Agmi S. and Holditch A., 2000. Permeability estimation ...
  • Gath, L. and Geva, A. B., 1989. Unsupervised Optimal Fuzzy ...
  • Kadkhodaie, A., Amini, A., 2009. A fuzzy logic approach to ...
  • Kim, Y., Kim D.W. and D. Lee and K. H. ...
  • Kozeny, J., 1927. Uber kapillare leitung des wassers im boden. ...
  • Prasad, M., 2003. Velocity- Permeability relation within hydraulic units. Geophisics. ...
  • Shedid, A.S., Reyadh, A.A. 2002. A new approach of reservoir ...
  • Tiab, D., Donaldson E C., 2004. Petrophysics, Theory and Practice ...
  • Wang, W. and Y. Zhang , 2007. On fuzzy cluster ...
  • نمایش کامل مراجع