اکتشاف نفت در گنبدهای نمکی با استفاده از شبکه های عصبی بدون سرپرست هاپفیلدو کوهونن (مطالعه موردی: گنبد نمکی قم)
Publish place: 1st National Conference on Civil Engineering and Geology
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 912
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCEG01_003
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
امروزه یکی از مهمترین روش ها در تحقیقات ژیوفیزیکی به منظور دست یافتن به منابع زیرسطحی و اکتشافات هیدروکربنی، روش گرانی سنجی می باشد. گرانی سنجی روشی برای اندازه گیری تغییرات دانسیته زمین و شناسایی انواع مختلف ساختارهای زیرزمینی از جمله گنبدهای نمکی می باشد. از آنجایی که نمک به عنوان یک ماده ناتراوا در تشکیل نفتگیرها نقش مهمی ایفا می کند و بررسی ها نشان داده است که بیشتر تله های نفتی به نوعی با ساختارهای نمکی در ارتباط هستند، لذا مطالعات بر روی گنبدهای نمکی جهت اکتشاف ذخایر هیدروکربنی امری ضروری است. از آنجایی که استفاده از شبکه های عصبی به عنوان یک ابزار در تفسیر داده های گرانی به طور وسیعی کاربرد پیدا کرده است، پیشرفت آنها همواره با روش های تصحیح و تفسیر داده های گرانی، افق های جدید را در کاربرد این روش برای پژوهشگران و مهندسان ایجاد کرده است. در این مقاله سعی می شود از دو الگوریتم هاپفیلد و کوهونن شبکه های عصبی و همچنین مطالعات زمین شناسی و چینه شناسی منطقه برای تفسیر داده های گرانی سنجی به منظور بدست آوردن و تخمین عمق گنبد نمکی، استفاده شود.
Keywords:
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 :