تعیین نفوذپذیری مخازن هیدروکربوری با استفاده از سیستمها ی عصبی - فازی انطباق پذیر (ANFIS) (با نگاهی موردی به میدان پارس جنوبی)
Publish place: 1st National Iranian Fracture Reservior Development Congress
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,061
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NIFRC01_036
Index date: 27 May 2009
تعیین نفوذپذیری مخازن هیدروکربوری با استفاده از سیستمها ی عصبی - فازی انطباق پذیر (ANFIS) (با نگاهی موردی به میدان پارس جنوبی) abstract
هدف این مطالعه استفاده از قابلیت سیستم های عصبی - فازی انطباق پذیر (ANFIS) جهت تعیین نفوذپذیری سنگ مخزن می باشد. ANFIS نوع خاص ی از سیستمها ی عصبی - فازی است که از مدل استنتاج فازی سوگنو بهره میبرد و برای تخمین توابع به الگوها ی آموزشی ( شامل بردارها ی ورود ی و خروجی) نیاز دار د. به همین منظور از اطلاعات مربوط به پنج چاه، که شامل اطلاعات نمودارهای پتروفیزیکی (به عنوان بردار و رود ی) و نتایج نفوذپذیری حاصل از آنالیز مغزه (به عنوان بردار خرو جی مطلو ب) مربوط به این چاه ها میباشد، استفاده گردید. پس از ارز یا بی همبستگیها ی بین ا ین نگارها و نفوذپذ یری ، سه نمودار صوتی (DT) ، چگالی (RHOB) و شاخص هیدروژنی گاما (NPHI) به عنوان پارامترها ی ورو دی مدل عصبی - فا زی انتخاب گر دید . مقاد یر نفوذپذ یری حاصل از پیش بینی به و سیله ا ین مدل در هماهنگی خوب ی با مقاد یر واقعی حاصل از آنا لیز مغز ه ها میباشد
تعیین نفوذپذیری مخازن هیدروکربوری با استفاده از سیستمها ی عصبی - فازی انطباق پذیر (ANFIS) (با نگاهی موردی به میدان پارس جنوبی) Keywords:
نفوذپذیری - تابع عضو یت - نموداره ای پترو فیز یکی - سیستم عصبی - فا زی انطبا ق پذ یر(ANFIS)
تعیین نفوذپذیری مخازن هیدروکربوری با استفاده از سیستمها ی عصبی - فازی انطباق پذیر (ANFIS) (با نگاهی موردی به میدان پارس جنوبی) authors
عباس مجدی
دانشیار دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهران
مرتضی بیکی
فارغ التحصیل کا رشناسی ارشد، دانشکده مهندسی معدن، دانشگاه تهران
رضا حسین یار
دانشجوی کارشناسی ارشد، دانشکده زمی نشناسی، پرد یس دانشکده ها ی علوم،
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 :