تخمین درجه اشباع آب با استفاده از مدل جستجوی الگویی رگرسیون بردارپشتیبانی در سازند سروک

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 363

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICESCON02_057

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

درجه اشباع آب یکی از پارامترهای کلیدی در مهندسی نفت جهت محاسبه حجم هیدروکربن مخزن و همچنین کاهش ریسک اقتصادی در توسعه میادین نفتی محسوب می شود. اولین تلاش ها برای تخمین درجه اشباع آب سازندی با استفاده از داده های نمودارهای چاه پیمایی توسط آرچی در مخازن ماسه سنگی تمیز صورت گرفت که نتایج آن بصورت یک رابطه تجربی برای مخازن کربناته نیز تعمیم داده شد. در مخازن کربناته به دلیل ناهمگنی شدید ثابت فرض نمودن این پارامترها با خطای زیادی همراه است. از سوی دیگر محاسبه این پارامترها به دلیل زمان بر و هزینه بر بودن و از دست رفتن بخشی از مغزه برای تمام طول چاه امکان پذیر نمی باشد. در این مطالعه از مدل رگرسیون بردار پشتیبانی برای تخمین درجهاشباع آب به کمک نمودارهای معمول چاه پیمایی استفاده شده است که با استفاده از روش جستجوی الگو بهینه شده است. همچنین برای کاهش خطای مدل از اعتبارسنجی متقابل استفاده شده است. نتایج این مدل در یک مطالعه موردی بر روی سازند سروک، با نتایج حاصل از روش تجربی آرچی مقایسه شده و از دادههای اشباع آب محاسبه شده در آزمایشگاه مغزه بعنوان دادههای هدف و اعتبار سنجی استفاده شده است. نتایج مقایسه میان مدل های بررسی شده نشان میدهد مدل SVR از عملکرد بسیار بهتری نسبت به رابطه آرچی دارد

کلیدواژه ها:

درجه اشباع نفت ، نگاره های چاه پیمایی رگرسیون بردار پشتیبان ، جستجوی الگو ، سازندسروک

نویسندگان

محمد رضا چراغچی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد امیدیه، گروه مهندسی نفت، امیدیه،ایران

حسن امیری بختیار

دکتری زمین شناسی، شرکت مناطق نفت خیز جنوب ، اهواز ، ایران

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 :
  • Ali, S.S., et al., 2013. Hydraulic unit prediction using support ...
  • Al-Anazi, A., Gates, I.D., (2010). Support-vector regression for permeability prediction ...
  • Arabloo, M., et al., 2015. Prediction of the properties of ...
  • Archie, G.E. (1942). The electrical resistivity log as an aid ...
  • Cherkassky, V. Ma, Y., (2004). Practical selection of SVM parameters ...
  • Corets, C. and Vapnike, V.(1995). Support vector networks. Journal of ...
  • Cranganu, C., Breaban, M., (2013). Using support vector regression to ...
  • Fattahi, H., et al., (2014). Estimation of asphaltene precipitation from ...
  • Naimin, S.R., Gholami, A., Asoodeh, M., 2013. Prediction of crude ...
  • Platt, J.C. (1999). Sequential minimal optimizer: a fast algorithm for ...
  • Tan, M.J., et al., 2015. Support-ve ctor-regres sion machine technology ...
  • Vapnike, V.N. (1998). Statistical Learning Theory, John Wiley & Sons, ...
  • Zhang, Y.Z., Liu, Y.L., (005). Support vector machines in the ...
  • Zhao, B., et al., 2006. Water Saturation Estimation Using support ...
  • Zhao, W., Liu, J.K., Chen, Y.Y., 2015. Material behavior modeling ...
  • نمایش کامل مراجع