پیش بینی لیتولوژی در یک مخزن متراکم گازی با استفاده از ماشین برداری پشتیبان

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 442

فایل این مقاله در 9 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:

OGPCONF01_184

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

ویژگیهای پتروفیزیکی معمولا از آنالیز مغزه در آزمایشگاه تعیین میگردند. مغزه به دلیل هزینه وزمان زیادحفاری برای تعداد کمی از چاهها موجود میباشد، ولی نگارهای پتروفیزیکی برای اکثر چاهها به دست میآیند. برای پیشبینی ویژگیهایپتروفیزیکی از روی نگارها روابط متعددی وجود دارد که قابلیت تعمیم نداشته و در شرایط خاصی قابل استفاده اند هوش مصنوعی رو شهای مناسبی را برای ساخت مدلهای پتروفیزیکی فراهم نموده اسات. در این پژوهش، از ماشین برداری پشتیبان برای پیشبینی لیتولوژی یک مخزن متراکم گازی از روی نگارهای پتروفیزیکی استفاده شده است. نتایج حاکی از توانایی بالای این روش در پیش بینی لیتولوژی است

نویسندگان

صادق بازیار

دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران

محمدمبین غفوری

پارک علم و فناوری خلیج فارس، بوشهر

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 :
  • Haykin, S., Neural networks: a comprehensive foundation. 1994. 1994: Prentice ...
  • Rumelhart, D.E., G.E. Hinton, and R.J. Williams, Learning internal representations ...
  • Mohaghegh, S., et al , .Petroleum reservoir cha racterization with ...
  • Ouenes, A., Practical application of fuzzy logic and neural networks ...
  • Helle, H.B., A. Bhatt, and B. Ursin, Porosity and permeability ...
  • Lim, J.-S .and J. Kim. Reservo ir porosity and permeability ...
  • Carrasquilla, A., J. Silvab, and R .Flexac, Associating fuzzy logic, ...
  • Alcocer, Y. and P. Rodrigues. Neural Networks Models for Estimation ...
  • Mollajan, A. and H. Memarian, Estimation of water saturation from ...
  • Singh, S. Permeability Prediction using artificial neural networl (ANN): a ...
  • Baziar, S., et al., Prediction of permeability in a tight ...
  • Amari, S.-i. and S. Wu, Improving support vector machine classifiers ...
  • Zhao, B., et al. Water saturation estimation using Support Vector ...
  • Al-Anazi, A. and I. Gates Support vector regression for porosity ...
  • Yue, Y. and J. Wang, SVM method for predicting the ...
  • Nazari, S., H.A. Kuzma, and J.W. Rector III. Predicting Permeability ...
  • Boser, B.E., I.M. Guyon, and V.N. Vapnik. A training algorithm ...
  • Kecman, V., Support vector machines-an introduction, in Support vector machines: ...
  • Cherkassky, V. and F.M. Mulier, Learning from data: concepts, theory, ...
  • Cristianini, N. and J. Shawe-Taylor, An introduction to support vector ...
  • Wong, P., F. Jian, and I. Taggart, A critical comparison ...
  • Fung, C.C., et al. Lithology classification using self-organising map. in ...
  • Zhang, Y., H.A. Salisch, and J.G. McPherson, Application of neural ...
  • Saggaf, M.M. and L. Nebrija, Estimation of lithologies and depos ...
  • Bhatt, A., Reservoir properties from well logs using neural networks. ...
  • Sherrod, P.H., DTREG predictive modeling software. Software available at http;:wwu. ...
  • نمایش کامل مراجع