تخمین تخلخل سنگ مخزن با استفاده از سیستم شبکه های عصبی مصنوعی

Publish Year: 1383
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,379

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

IMEC01_158

تاریخ نمایه سازی: 14 اسفند 1384

Abstract:

تخلخل یکی از پارامترهای مهم و اساسی در ارزیابی خصوصیات پتروفیزیکی مخازن هیدروکربوری محسوب می شود. امروزه در صنعت نفت این پارامتر با استفاده از روش تزریق گاز هلیم بر نمونه های مغزه (پلاگ) به دست می آید. با این وجود مغزه گیری عملی دشوار و پرهزینه است. بعلاوه امکان مغزه گیری در برخی چاه ها (مانند چاههای افقی) وجود ندارد. در این مطالعه از تکنیک شبکه های عصبی مصنوعی به عنوان یک رهیافت جدید برای محاسبه تخلخل مغزه استفاده شده است. با استفاده از شبکه های عصبی مصنوعی می توان رابطه ای بین داده های لاگ (به عنوان ورودی های شبکه) و تخلخل مغزه ( به عنوان خروجی شبکه) برقرار نمود. پس از آموزش شبکه با دادن داده های ورودی به آن می توان خروجی را بدست آورد. برای این منظور از داده های پتروفیزیکی یک چاه برای ساختن یک مدل بر اساس شبکه های عصبی مصنوعی در یکی ازمیادین نفتی جنوب ایران استفاده شده است. از چاه دوم که در ساختن مدل فوق نقشی نداشته برای سنجش اعتبار مذکور استفاده شده است. نتایج نشان دهندة عملکرد بسیار خوب شبکه های عصبی مصنوعی در تخمین تخلخل است.

Keywords:

نفت , تخلخل , شبکه های عصبی مصنوعی , لاگ , مغزه

Authors

علی کدخدائی ایلخچی

دانشجوی کارشناسی ارشد زمین شناسی نفت، دانشگاه تهران

محمدرضا رضایی

عضو هئیت علمی گروه زمین شناسی، دانشگاه تهران

مسعود رشیدی

دانشجوی کارشناسی ارشد مکانیک سنگ، دانشگاه تربیت مدرس

علی فتحی

دانشجوی کارشناسی ارشد مکانیک سنگ، دانشگاه تربیت مدرس

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 :
  • Bateman. R. M, 1940. "Open Hole Log Analysis and Formation ...
  • Bhatt. A., Helle. H. B, 1999. *Porosity, permeability and TOC ...
  • Chen. Q., Sidney. S, 1997. "Seismic attribute technology for reservoir ...
  • Mattew., 1991.، Neural Network in Artificial Intelligence?. Ellis Horwood Limited. ...
  • Rezaee. M. R, 2001.، Petroleum Geology?. Alavi Publications. 410p. ...
  • نمایش کامل مراجع