تخمین میزان تراوایی مخازن نفتی به کمک شبکه ی خودسازمانده با آموزش الگوریتم ژنتیک FCMAC نرو-فازی
محل انتشار: سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,823
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI13_063
تاریخ نمایه سازی: 25 آبان 1386
چکیده مقاله:
تراوایی مخازن هیدروکربنی یک ی از پارامتره ای مهم در تحلیل میزان بهره برداری از چاه های نفتی هس ت. روش متداول برا ی بدست آوردن میزان تراوایی، انجام آزمایش های پرهزینه بر روی
مغزه هایی از سازند، در آزمایشگاه می باش د. با توجه به هز ینه ی این آزمایش ها، استخراج مغزه فقط برای نقاط معدودی از چاه امکان پ ذیر است، از این رو تحقیقات زیادی به منظور تخمین میزان تراوایی مخزن، به کمک داده های چاه صورت پذیرفته است با محقق شدن این تحقیقات، می توان میزان تراوایی را برای سرتاسر عمق یک مخزن تخمین زد. در این مقاله سعی شده است تا ب ه کمک شبکه ی با محقق ،[5] ،[4] FCMAC ،[5] ،[4] FCMAC 6] و [ 7]، میزان تراوایی چاه های نفت ی را با استفاده از داده های چاه، تخم ین زد. شبکه یFCMAC نیازمند الگوریتم خوشه بندیDIC ] 8] به منظور تولید تر م ه ای فا زی ورودی خود می باشد، این الگوریتم دارای پارامترهایی به منظور کنترل تعداد و اندازه ی خوشه های فازی ست که به منظور پیدا نمودن بهتر ین تلفیق این پارامترها از الگوریتم ژنتیک استفاده شده . با تحقق ا ین هدف، می توان دید دقیق تری نسبت به خصوصیت های یک چاه به دست آورد که خود می تواند از صرف هزینه ها ی اضا فی در حفر چاه جلوگ یری نماید. به منظور آزمایش روش پیشنهادی از داده های چاه نگاری مخزن بنگستان میدان رگ سفید استفاده شده است. نتایج بدست آمده نشان می دهد که این روش با توجه به دقت و سرعت عملکرد خود، یک راه حل عملی برای این مسئله می باشد.
کلیدواژه ها:
نویسندگان
سیدعبدالوحید کاظمی
دانشکده کامپیوتر، دانشگاه آزاد اسلامی واحد قزوین
کریم فائز
استاد دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر
مهران زیادلو
دانشکده کامپیوتر ، دانشگاه علم و صنعت ایران
سیدجواد صفوی
دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
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 :