طراحی شبکه عصبی مصنوعی برای پیش بینی تخلخل ، تراوایی، اشباع آب و نفت با استفاده از داده های چاه پیمایی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 526

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CRSTCONF01_096

تاریخ نمایه سازی: 27 اسفند 1394

چکیده مقاله:

دراین پژوهش درصدد ایجادمدلی هستیم که بااستفاده ازآن بتوان پارامترهای مهم چاه پیمایی ازجمله تخلخل تراوایی اشباع آب ونفت را بااستفاده ازشبکه عصبی تخمین زد بدین منظور باید مجموعه داده هایی شامل اطلاعات ورودی وخروجی را دردست داشت پس داده هایی که دراین پژوهش استفاده شده کاملا واقعی و یکی ازچاه های نفتی جنوب می باشد که با استفاده ازآنها بتوان مدل را اموزش داد پس ازبدست آمدن مدل با دقت مشخص میتوان اطلاعات ورودی را به مدل دادوخروجیهای تخمین زده شده را ازآن گرفت به این ترتیب برای بدست آوردن پارامترهای چاه پیمایی دیگر نیازی به روشهای پرهزینه همچون مغزه گیری نخواهد بود و کافی است تنها با روشهای غیرمستقیم و کم هزینه و البته مرسوم همچوننمودارهای لاگ ورودیهای مدل فراهم شود دراین پژوهش ابتدا به معرفی داده ها و مراحل اماده سازی آنها می پردازیم سپس نتایج حاصل ازشبیه سازی را ارایه کرده و به تحلیل آنها می پردازیم

نویسندگان

اسماعیل زارع

دانشگاه آزاد اسلامی مهریز یزد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • .ح.ساداتی جزوه درس کارگاه آموزشی آشنایی با شبکه های عصبی ...
  • آس.م.کلامی هریس فیلم آموزشی شبکه های عصبی مصنوعی در متلب ...
  • م.امیری کتاب چاه پیمایی، موسسه انتشارات ستایش 1391 ...
  • -AL-Qahtan, F , A;2000, porosity distribution prediction using Artificial neural ...
  • Ghedan, Shawkat G, Tadesse Weldu, and Omar Al-Faris, "Hybrid Log-Derived ...
  • نمایش کامل مراجع