CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تخمین میزان تراوایی مخازن نفتی به کمک شبکه ی خودسازمانده با آموزش الگوریتم ژنتیک FCMAC نرو-فازی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۳۳۰ | نظرات: ۰
سرفصل ارائه مقاله: رایانش نرم و هوش مصنوعی
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: ACCSI13_063
زبان مقاله: فارسی
حجم فایل: ۴۵۷.۰۲ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تخمین میزان تراوایی مخازن نفتی به کمک شبکه ی خودسازمانده با آموزش الگوریتم ژنتیک FCMAC نرو-فازی

  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

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.

کلیدواژه‌ها:

تراوایی مخازن نفتی، داده های چاه نگاری، نرو-فازی، DIC ،FCMAC

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI13-ACCSI13_063.html
کد COI مقاله: ACCSI13_063

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کاظمی, سیدعبدالوحید؛ کریم فائز؛ مهران زیادلو و سیدجواد صفوی، ۱۳۸۶، تخمین میزان تراوایی مخازن نفتی به کمک شبکه ی خودسازمانده با آموزش الگوریتم ژنتیک FCMAC نرو-فازی، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_063.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (کاظمی, سیدعبدالوحید؛ کریم فائز؛ مهران زیادلو و سیدجواد صفوی، ۱۳۸۶)
برای بار دوم به بعد: (کاظمی؛ فائز؛ زیادلو و صفوی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Wong, Patrick M., Jang, M., Cho, S., Gedeon, Tom D., ...
  • Wong, K.W., Wong, P.M., Gedeon, T.D., Fung, C.C., A State-of- ...
  • Cuddy, S.J., Litho-facies and Permeability Prediction from Electrical Logs Using ...
  • J. Sim, W. L. Tung, C. Quek, FCMAC- Yager: A ...
  • M. N. Nguyen, D. Shi, C. Quek, Self- Organizing Gaussian ...
  • M. N. Nguyen, D. Shi, C. Quek, FCMAC-BYY: Fuzzy CMAC ...
  • W. L. Tung, C. Quek, DIC: A Novel Discrete Incremental ...
  • Tung, W.L., Quek, C., GenSoFNN: A Genetic Self- Organizing Fuzzy ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۹۶۸
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.