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

ارزیابی نفوذپذیری با استفاده از داده های چاه پیمایی و تکنیک شبکه عصبی مصنوعی و مقایسه آن با نفوذپذیری معادله کوتس

اعتبار موردنیاز: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۲۶۶ | نظرات: ۰
سال انتشار: ۱۳۸۵
نوع ارائه: پوستر
کد COI مقاله: IPEC01_083
زبان مقاله: فارسی
حجم فایل: ۳۴۴.۷۹ کلیوبایت (فایل این مقاله در ۹ 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 ۹ 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 ارزیابی نفوذپذیری با استفاده از داده های چاه پیمایی و تکنیک شبکه عصبی مصنوعی و مقایسه آن با نفوذپذیری معادله کوتس

  مجتبی جلالی لیچائی - دانشگاه صنعتی امیرکبیر

چکیده مقاله:

نفوذپذیری پارامتری بسیار مهم در ارزیابی یک مخزن می باشد . تعیین این پارامتر به وسیله آنالیز مغزه انجام می شود و این در
حالی است که انجام عملیات مغزه گیری و آنالیز مغزه ، مستلزم صرف زمان و هزینه فراوانی می باشد . تکنیک شبکه های عصبی
مصنوعی یک ی از جدیدترین تکنیکهای شبیه سازی و مدل سازی است که می تواند بدون صرف هزینه و زمان و بد ون نیاز به داده
ها و اطلاعات تکمیلی در ارزیابی نفوذپذیری مورد استفاده قرار گیرد . در این مطالعه، از تکنیک شبکه عصبی مصنوعی و تنها از
روی داده های خام نمودارهای پتروفیزیکی برای ارزیابی نفوذپذیری استفاده شده است و نتایج حاصل از آن با نتایج به دست آمده
از معادله کوتس مقایسه گردیده است. در این مطالعه، برای تعیین مقادیر نفوذپذیری در سازند فهلیان میادین نفتی خارک و درود، از دو شبکه استفاده گردید که یکی از
آنها شبکه با چهار پارامتر ورودی (نمودارهای صوتی، گاما ، نگار مقاومت مخصوص عمیق و کم عمق و مقادیر عمق ) برای میدان
درود، و دیگری شبکه ب ا شش پارامتر ورودی (نگارهای صوتی، چگالی، تخلخل نوترون، اشعه گاما ، مقاومت ناحیه کم عمق و
مقاومت عمیق ) برای میدان نفتی خارک بودند . مقادیر نفوذپذیری که توسط این شبکه ها برای میادین درود و خارک به دست آمد و مقادیر نفوذپذیری حاصل از مغزه در چاههای میادین مذکور به ترتیب دارای همبستگی معادل 0.890 و 0.932 بود. در قسمت بعد با استفاده از معادله تجربی کوتز مقادیر نفوذپذیری میادین مذکور محاسبه گردید که مقایسه نتایج مربوط به این کار با مقادیر نفوذپذیری مغزه مقدار همبستگی معادل 0.576 برای میدان درود و 0.784 برای میدان خارک حاصل نمود.

کلیدواژه‌ها:

شبکه های عصبی، نفوذپذیری، معادله کوتس، شبکه پس انتشار، سازند فهلیان

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_083.html
کد COI مقاله: IPEC01_083

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:
جلالی لیچائی, مجتبی، ۱۳۸۵، ارزیابی نفوذپذیری با استفاده از داده های چاه پیمایی و تکنیک شبکه عصبی مصنوعی و مقایسه آن با نفوذپذیری معادله کوتس، اولین کنگره مهندسی نفت ایران، تهران، انجمن مهندسی نفت ایران، https://www.civilica.com/Paper-IPEC01-IPEC01_083.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: (جلالی لیچائی, مجتبی، ۱۳۸۵)
برای بار دوم به بعد: (جلالی لیچائی، 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 :

  • افشار حرب، زمین شناسی نفت ایران ۱۳۷۹. ...
  • منهاج ۱۳۷۷، مبانی شبکه های عصبی مصنوعی _ مرکز نشر ...
  • - نوروزی، غلامحسن .چاه نگاری _ مرکز نشر دانشگاهی صنعتی ...
  • Mohaghegh .S, Ameri. _ Artificial Neural Network as a Valuable ...
  • Mohaghegh .S, Arefi. R , Ameri. S and Rose D;'Design ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۹۵۳۸
    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.