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

Intelligent reservoir characterization using fuzzy logic: an example from the Kangan and Fahlian carbonate reservoirs in Southern Iran hydrocarbon Fields

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۲۰۲۵ | نظرات: ۰
سرفصل ارائه مقاله: اکتشاف و توصیف مخازن
سال انتشار: ۱۳۸۵
نوع ارائه: شفاهی
کد COI مقاله: IPEC01_075
زبان مقاله: انگلیسی
حجم فایل: ۳۱۵.۵۸ کلیوبایت (فایل این مقاله در ۱۲ 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 ۱۲ 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 Intelligent reservoir characterization using fuzzy logic: an example from the Kangan and Fahlian carbonate reservoirs in Southern Iran hydrocarbon Fields

  Ali Kadkhodaie Ilkhchi - P.H.D student in petroleum Geology, School of Geology, University of Tehran, Tehran Iran
  Mohammadreza Rezaee - Associate Professor of Petroleum Geology, School of Geology, University of Tehran, Tehran, Iran
Seyed Ali Moallemi - Head of Petroleum Geology Department, Research Institute of Petroleum Industry, Teran, iran
Nilofar Masoodi - MSc.Student in peroleum Geology Olom va Tahghighat Branch, Islamic Azad University, Tehran, Iran

چکیده مقاله:

pereability and rock types are the most important rock properties which can be used as input parameters to build 3D petrophysical models of hydrocarbon reservoir. As well as, log data of prime importance in acquring petrophysical data from hydrocabon reservoir. Reliable log analysis in the hydrocarbon resevoir requires a compelet set of logs. For any number of reasons such as incomplete logging in old wells, destruction of logas due to inappropriate data storage, and measurement errors due to logging tool problems hole conditions, log suites are either incomplete or not reliable. In this study, a fuzzy c-means (FCM) clustering technique was use to rock types classification based on porosity and permeability data. Then base on fuzzy inference system. Then a back propagationneural network with trainlm training function was applied to verify fuzzy results for permeability modeling. For this purpose, two wells of the Southern Iran Fields were chosen to construct intelligent models of the reservoir and a third well was used as a test well to evaluate the reliability of the models. The results of this study showed that fuzzy logic approach was successful for prediction of well logs, permeability and rock type in the studied reservoirs.

کلیدواژه‌ها:

rocktypes, permeability, well logs, fuzzy logic, fuzzy c-means clustering, back propagation neural network, carbonate reservoir.

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-IPEC01-IPEC01_075.html
کد COI مقاله: IPEC01_075

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:
Kadkhodaie Ilkhchi, Ali; Mohammadreza Rezaee; Seyed Ali Moallemi & Nilofar Masoodi, ۱۳۸۵, Intelligent reservoir characterization using fuzzy logic: an example from the Kangan and Fahlian carbonate reservoirs in Southern Iran hydrocarbon Fields, اولین کنگره مهندسی نفت ایران, تهران, انجمن مهندسی نفت ایران, https://www.civilica.com/Paper-IPEC01-IPEC01_075.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: (Kadkhodaie Ilkhchi, Ali; Mohammadreza Rezaee; Seyed Ali Moallemi & Nilofar Masoodi, ۱۳۸۵)
برای بار دوم به بعد: (Kadkhodaie Ilkhchi; Rezaee; Moallemi & Masoodi, ۱۳۸۵)
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 :

  • Chiu, S., 1994. Fuzzy model identification based On cluster estimation. ...
  • Kosko, B., 1991. Fuzzy Thinking. Hyperion, New York. ...
  • Mamdani, E. H., Assilian. S., 1975. An experimental in linguistic ...
  • Saggaf, M. M., Nebrija, Ed. L., 2003. A fuzzy approach ...
  • Takagi, T., Sugeno. M., 1985. Identification of systems and its ...
  • Yagar, R. R., Zadeh. L. A., 1992. An introduction to ...
  • Zadeh, L. A.., 1965. Fuzzy Sets. Information and Control., 8: ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۶۳۷۹۷
    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.