CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

ارائه مدل هوشمند شبکه عصبی جهت ارزیابی تراوایی مخزن آسماری در میدان نفتی اهواز

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۵۶۹ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: IAUMAHALLATES01_001
زبان مقاله: فارسی
حجم فایل: ۳۴۷.۳۳ کلیوبایت (فایل این مقاله در ۶ 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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله ارائه مدل هوشمند شبکه عصبی جهت ارزیابی تراوایی مخزن آسماری در میدان نفتی اهواز

  حبیب آخوندی - مدرس دانشگاه پیام نور مرکز تبریز
  بهزاد حاج علیلو - عضو هیئت علمی دانشگاه پیام نور مرکز تبریز

چکیده مقاله:

تراوایی از مهمترین خصوصیات مخازن هیدروکربوری میباشد. تراوایی را میتوان با استفاده از آنالیز نمونههای مغزه در آزمایشگاه و آزمایش چاه(well testing به دست آورد. این روشها مستلزم صرف هزینه و وقت زیادی میباشند. بنابراین به کارگیری آنها در تعداد کمی از چاههای یک میدان امکانپذیر است. ولی نمودارهای چاهپیمایی برای اکثر چاهها در دسترساند. پس استفاده ازروشهای هوشمند شبکههای عصبی برای تخمین تراوایی، از روی دادههای چاهپیمایی بسیار مفید میباشد و هزینهها را کاهش میدهد.امروزه روشهای محاسباتی جدید در صنعت نفت بسیار رایج شده است، بنابراین در این مطالعه نیز برای تخمین تراوایی از تکنیکشبکههای عصبی با الگوریتم پسانتشار خطاBP-ANN بهره گرفته شد. به دلیل بالا بودن ضریب همبستگی بین نتایج مغزه و نتایجتخمین زده شده از طریقANN نتایج شبکه موردنظر به چاه شماره 3 میدان نفتی اهواز که فاقد تراوایی مغزه بودند تعمیم داده شد. نتایج نشان میدهد که مدل شبکه عصبی جهت تخمین تراوایی موفق بوده است

کلیدواژه‌ها:

تراوایی ، مخازن هیدروکربوری ، شبکه های عصبی.

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-IAUMAHALLATES01-IAUMAHALLATES01_001.html
کد COI مقاله: IAUMAHALLATES01_001

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:
آخوندی, حبیب و بهزاد حاج علیلو، ۱۳۸۷، ارائه مدل هوشمند شبکه عصبی جهت ارزیابی تراوایی مخزن آسماری در میدان نفتی اهواز، اولین همایش سراسری کاربرد فناوریها و روشهای نوین در علوم زمین، محلات، دانشگاه آزاد اسلامی واحد محلات، https://www.civilica.com/Paper-IAUMAHALLATES01-IAUMAHALLATES01_001.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: (آخوندی, حبیب و بهزاد حاج علیلو، ۱۳۸۷)
برای بار دوم به بعد: (آخوندی و حاج علیلو، ۱۳۸۷)
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 :

  • Ahmad.Kh, "Takagi-Sugen controllers, Dublin- 2, IRELAND, 2006 ...
  • Babuska.R, "Fuzzy Logic for Engineering Application", web page: Lce www. ...
  • Cuddy. S.J, "Litho-Facis and Permcability Prediction Form Electrical Logs Using ...
  • Fuzzy Logic Tool Box, User Guide Matlah Software, by the ...
  • Mohaghegh.Sh، «Virtual in telling ence application in petroleum engineering, part ...
  • Novel Model for Permeability Prediction in Uncore Wells", Paper SPE ...
  • Tafazoli.S & Leduc.M & Sun.X, "Hystersis Modeling Using Fuzzy Logic ...
  • Zare.s, ،0Estimation permcability, porosity, litho-facies form electrical logs using Fuzzy ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۴۲۳۲۱
    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 پیشنهادی مرتبط

    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.