تخمین تراوایی از داده های چاه پیمایی بر اساس ناحیه بندی مخزن به کمک شبکه های عصبی
Publish place: 12th National Iranian Chemical Engineering Congress
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,459
This Paper With 11 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:
NICEC12_588
Index date: 20 September 2008
تخمین تراوایی از داده های چاه پیمایی بر اساس ناحیه بندی مخزن به کمک شبکه های عصبی abstract
ماسه سنگی بودن جنس بیش از دو سوم مخازن سبب شده است تا اکثر روش های تایید شده برای تخمین میزان نفوذ پذیری با استفاده از هوش مصنوعی برای اینگونه مخازن ، کارایی داشته باشد . خصوصیات متمایز مخازن ایران همچون فشار زیاد ، ناهمگنی و ناهمسان گرد بودن ، کربناته بودن ، ضخامت بالا ، وسعت بسیار زیاد ، وجود شکاف ، وجود سنگ های متعدد و ... همگی باعث ناکارآمد شدن شیوه های معمول استفاده از روش های هوشمند در مخازن ایران شده است . در این مقاله سعی بر آن شده است تا با ناحیه بندی کردن مخزن بر اساس ویژگیهای زمین شناسی و دسته بندی کردن داده ها بر همان اساس ، به روش های معمول تخمین تراوایی از روی داده های چاه پیمایی ، کارایی لازم بخشیده شود . نتایج حاصل شده در تعیین تراوایی از روی داده های لاگ با بکارگیری شیوه دسته بندی داده ها بر اساس ناحیه بندی مخزن ، با تراوایی اندازه گیری شده در آزمایش آنالیز مغزه مورد مقایسه قرار گرفته است . مطابقت مناسب نتایج ، تایید کننده شیوه پیشنهادی می باشد .
تخمین تراوایی از داده های چاه پیمایی بر اساس ناحیه بندی مخزن به کمک شبکه های عصبی Keywords:
تخمین تراوایی از داده های چاه پیمایی بر اساس ناحیه بندی مخزن به کمک شبکه های عصبی authors
رحمان کمال پور
دانشجوی کارشناسی ارشد مخازن هیدروکربوری بخش مهندسی شیمی دانشگاه شهی
علی محبی
عضو هیئت علمی بخش مهندسی شیمی دانشگاه شهید باهنر کرمان
امیر صرافی
عضو هیئت علمی بخش مهندسی شیمی دانشگاه شهید باهنر کرمان
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 :