تخمین تخلخل میدان نفتی گچساران با استفاده از تکنیک شبکه های عصبی مصنوعی و رگرسیون خطی چندگانه

Publish Year: 1383
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,848

This Paper With 16 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_165

تاریخ نمایه سازی: 14 اسفند 1384

Abstract:

تعیین تخلخل به عنوان یکی از پارامتهای بسیار مهم واساسی در تعیین ویژگیهای یک میدان نفتی دارای اهمیت خاصی در دانش مهندسی نفت می باشد. به طور معمول برای تعیین تخلخل مخزن از آزمایشات مغزه ( اندازه گیری مستقیم تخلخل ) و یا نمودارهای چاه نگاری ( اندازه گیری غیر مستقیم تخلخل ) استفاده می شود که در مورد دوم با استفاده از روابط تجربی و ریاضی خاص و ایجاد ارتباط بین متغییرهای مختلفی که توسط نمودارهای مذکور اندازه گیری می شوند ، مقدار تخلخل سنگ مخزن مورد ارزیابی قرار می گیرد. استفاده از آزمایشات مغزه و در حقیقت، مغزه گیری از چاههای حفاری شده به دلیل هزینه بر بودن و وقت گیری آنها برای تمام چاهها انجام نمی گردد. از روابط تجربی نیز به دلیل تغییر نتایجی که در نقاط مختلف ایجاد می کنند، غالبا" نمی توان به عنوان یک راه حل کاملا" قابل اعتماد استفاده نمود. در مورد روشهای آماری نیز مشکلاتی خاص وجود دارد که مربوط به طبیعت داده های چاهها و ناصحیح بودن آنها در برخی موارد می باشد. شبکه های عصبی مصنوعی تکنیک جدیدی می باشند که به تدریج جایگاه خود را در علوم مختلف پیدا کرده اند و استفاده از این روشها در محاسبات و مطالعات مربوط به مهندسی نفت نیز روز به روز بیشتر می گردد .در این مطالعه، تکنیک شبکه های عصبی مصنوعی و رگرسیون خطی چند متغییره برای تعیین تخلخل مورد توجه قرار گرفته و ازاطلاعات مربوط به چهار چاه( چاههای ٢٥ و ٣١ و ٣٢ و ٢٨٧ ) از چاههای میدان نفتی گچساران که شامل اطلاعات نمودارهای پتروفیزیکی و نتایج آزمایشات مغزه مربوط به آن چاهها می باشد استفاده گردید . برای تعیین تخلخل، داده های سه چاه ٢٥ و ٣٢ و ٢٨٧ به سه دسته داده های آموزشی(Training) آزمایشی ،(Testing)و آزمون (Validation) تقسیم شدند و نتیجه ای که شبکه برای هر یک از این دسته داده ها داد، با نتایج مربوط به مغزه مقایسه گردید و در نهایت بعد از به دست آمدن یک نتیجه معتبر از سه مرحله مذکور و تنظیم پارامترهای موثر در شبکه، این شبکه در مورد چاه ٣١ برای پیش بینی مقدار تخلخل اعمال گردید.

Keywords:

شبکه های عصبی , تخلخل , شبکه پس انتشار , رگرسیون خطی چند گانه

Authors

مجتبی جلالی لیچائی

کارشناسی ارشد – دانشکده معدن ، متالورژی و نفت – دانشگاه صنعتی امیرکبیر

مجید نبی بیدهندی

دانشیار – موسسه ژئوفیزیک – دانشگاه تهران

سعید میرزائی

استادیار – دانشکده معدن ، متالورژی و نفت – دانشگاه صنعتی امیرکبیر

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 :
  • جلالی لیچائی - مجتبی .1383 . تخمین تخلخل و نفوذپذیری ...
  • افشار حرب - عباس. جزوه درسی زمین شناسی نفت ایران ...
  • Lucas A ., 1998 _ _ An assessment of linear ...
  • Al Qahtani .F.2000 _ « Porosity distribution prediction using Artificial ...
  • Mohaghegh S.، $Virtual- Intelligence Applications in Petroleum Engineering : Part ...
  • Hearst J.R , Nelson P. H and Paillet F.L 2000 ...
  • Bhatt A.and Helle H.B _ _ 2002 .Committee neural networks ...
  • Lu .W ., 2000 _، Neural network model for distribution ...
  • Balan . B , Mohaghegh . S , Ameri . ...
  • نمایش کامل مراجع