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

تخمین تخلخل سنگ مخزن با استفاده از سیستم شبکه های عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۹۱۳ | نظرات: ۰
سرفصل ارائه مقاله: نفت
سال انتشار: ۱۳۸۳
نوع ارائه: شفاهی
کد COI مقاله: IMEC01_158
زبان مقاله: فارسی
حجم فایل: ۳۳۸ کلیوبایت (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. 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 ۸ 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 تخمین تخلخل سنگ مخزن با استفاده از سیستم شبکه های عصبی مصنوعی

  علی کدخدائی ایلخچی - دانشجوی کارشناسی ارشد زمین شناسی نفت، دانشگاه تهران
  محمدرضا رضایی - عضو هئیت علمی گروه زمین شناسی، دانشگاه تهران
  مسعود رشیدی - دانشجوی کارشناسی ارشد مکانیک سنگ، دانشگاه تربیت مدرس
  علی فتحی - دانشجوی کارشناسی ارشد مکانیک سنگ، دانشگاه تربیت مدرس

چکیده مقاله:

تخلخل یکی از پارامترهای مهم و اساسی در ارزیابی خصوصیات پتروفیزیکی مخازن هیدروکربوری محسوب می شود. امروزه در صنعت نفت این پارامتر با استفاده از روش تزریق گاز هلیم بر نمونه های مغزه (پلاگ) به دست می آید. با این وجود مغزه گیری عملی دشوار و پرهزینه است. بعلاوه امکان مغزه گیری در برخی چاه ها (مانند چاههای افقی) وجود ندارد. در این مطالعه از تکنیک شبکه های عصبی مصنوعی به عنوان یک رهیافت جدید برای محاسبه تخلخل مغزه استفاده شده است. با استفاده از شبکه های عصبی مصنوعی می توان رابطه ای بین داده های لاگ (به عنوان ورودی های شبکه) و تخلخل مغزه ( به عنوان خروجی شبکه) برقرار نمود. پس از آموزش شبکه با دادن داده های ورودی به آن می توان خروجی را بدست آورد. برای این منظور از داده های پتروفیزیکی یک چاه برای ساختن یک مدل بر اساس شبکه های عصبی مصنوعی در یکی ازمیادین نفتی جنوب ایران استفاده شده است. از چاه دوم که در ساختن مدل فوق نقشی نداشته برای سنجش اعتبار مذکور استفاده شده است. نتایج نشان دهندة عملکرد بسیار خوب شبکه های عصبی مصنوعی در تخمین تخلخل است.

کلیدواژه‌ها:

نفت، تخلخل، شبکه های عصبی مصنوعی، لاگ، مغزه

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-IMEC01-IMEC01_158.html
کد COI مقاله: IMEC01_158

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:
کدخدائی ایلخچی, علی؛ محمدرضا رضایی؛ مسعود رشیدی و علی فتحی، ۱۳۸۳، تخمین تخلخل سنگ مخزن با استفاده از سیستم شبکه های عصبی مصنوعی، کنفرانس مهندسی معدن ایران، تهران، دانشگاه تربیت مدرس، https://www.civilica.com/Paper-IMEC01-IMEC01_158.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: (کدخدائی ایلخچی, علی؛ محمدرضا رضایی؛ مسعود رشیدی و علی فتحی، ۱۳۸۳)
برای بار دوم به بعد: (کدخدائی ایلخچی؛ رضایی؛ رشیدی و فتحی، ۱۳۸۳)
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 :

  • Bateman. R. M, 1940. "Open Hole Log Analysis and Formation ...
  • Bhatt. A., Helle. H. B, 1999. *Porosity, permeability and TOC ...
  • Chen. Q., Sidney. S, 1997. "Seismic attribute technology for reservoir ...
  • Mattew., 1991.، Neural Network in Artificial Intelligence?. Ellis Horwood Limited. ...
  • Rezaee. M. R, 2001.، Petroleum Geology?. Alavi Publications. 410p. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۶۳۸۷۴
    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

    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.