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

تعیین خواص پتروفیزیکی سنگ مخزن میدان پارسی با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۲۲۲۸ | نظرات: ۰
سال انتشار: ۱۳۸۵
نوع ارائه: پوستر
کد COI مقاله: IPEC01_086
زبان مقاله: فارسی
حجم فایل: ۳۳۸.۵۶ 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 تعیین خواص پتروفیزیکی سنگ مخزن میدان پارسی با استفاده از شبکه عصبی مصنوعی

  مهدی تدینی - کارشناس ارشد، دانشکده معدن، متالوژی و نفت - دانشگاه صنعتی امیرکبیر
  مجید نبی بیدهندی - دانشیار، موسسه ژئوفیزیک - دانشگاه تهران

چکیده مقاله:

در صنعت نفت تعیین خواص پتروفیزیکی مخزن از مهمترین پارامترها در مدیریت،‌تولید، توسعه و تخمین ذخایر مخزنی میادین نفتی به شمار می رود. تعیین پارامتر های مخزنی (تخلخل، آباشباع شدگی و نفوذپذیری) معمولا توسط روش هایی چون آنالیز مغزه و آزمایش چاه (Well Test) انجام می شود. تعیین این پارامترها توسط این روش ها مستلزم صرف زمان و هزینه گزافی می باشد و همچنین به علت نبود مغزه های کافی و تغییرات سنگ شناسی و ناهمگنی سنگ مخزن میدان پارسی،‌ تعیین این پارامتر ها توسط روش های معمول از دقت چندانی برخوردار نمی باشد. هدف این مقاله مدلسازی یک شبکه عصبی مصنوعی و تعمیم آن جهت پیش بینی مقادیر واقعی پارامترهای مخزنی از روی داده های نگار بدست آمده از چاه های میدان نفتی پارسی واقع در جنوب شرقی ایران می باشد. میدان پارسی دارای دو طاقدیس نامتقارن است که در امتداد گسل اصلی زاگرس شمال غرب - جنوب شرق می باشد. طول آن در روی سازند آسماری 36 کیلومتر و عرض آن 7 کیلو متر و دارای 5 زون مخزنی است. از آنجایی که در این میدان داده های حاصل از مغزه تنها در چاه های شماره 18 و 19 کامل است لذا در تعیین خواص مخزنی از نگارهای پتروفیزیکی و نرم افزار های Logic و RMS استفاده شده است. از شبکه عصبی مصنوعی پس انتشار خطا (BP-ANN) برای پیشبینی خواص مخزنی (تخلخل، آب اشباع شدگی و نفوذ پذیری) استفده شده است . برای تعیین تخلخل توسط شبکه از دو گروه نگارهای پتروفیزیکی که گروه اول شامل نگارهای نوترون، گاما، چگالی و صوتی و گروه دوم شامل نگارهای مقاومت ویژه (LLD و LLS و MSFL) و آب اشباع شدگی حاصل از روش Simandoux می باشد، استفاده شده است. همچنین برای تعیین آب اشباع شدگی توسط شبکه نگارهای مقاومت ویژه (LLD و LLS و MSFL) و تخلخل حاصل از نگار بعنوان ورودی بکار رفته است. این شبکه در چاههای شماره 18 و 19 مورد آموزش (Train) ، آزمون (Validation) و آزمایش (Testing) قرار گرفته و در نهایت خروجی شبکه تخلخل برای دو گروه داده ها مقایسه شده اند. در مرحله آخر تخلخل و آب اشباع شدگی در چاههای شماره 33 و 61 توسط شبکه شبیه سازی (Generalization) شده اند. ضریب همبستگی بین تخلخل حاصل از مغزه و تخلخل شبیه سازی توسط شبکه در چاههای شماره 33 و 61 برای گروه اول داده ها به ترتیب برابر با 0/978 و 0/929 و برای گروه دوم داده ها به ترتیب برابر با 0/935 و 0/945 بدست آمد. ضریب همبستگی آب اشباع شدگی بدست آمده توسط شبکه و آب اشباع شدگی حاصل از روش Simandoux نیز برای چاههای شماره 33 و 61 به ترتیب برابر با 0/943 و 0/980 بدست آمد. برای تعیین نفوذپذیری توسط شبکه نگارهای گاما، چگالی، صوتی، نوترون و عمق در چاههای 19 ، 18 و 48 به عنوان ورودی شبکه ، در طی سه فرآیند آموزش، آزمون و آزمایش بکار رفته و در فرآیند تعمیم پذیزی میزان ضریب همبستگی بین نفوذپذیری مخزن در چاه شماره 20 برابر با 0/689 بدست آمده است. به علت دقت کم شبکه در فرآیند تعمیم پذیری پس از زون بندی میدان (بر اساس خواص پتروفیزیکی)، در 4 زون این میدان فرآیندهای آموزش، آزمایش و آزمون اجرا شده و در آخر میزان ضرایب همبستگی در فرآیند تعمیم پذیری در زونهای شماره 1 ، 2 ، 3 و 4 بترتیب برابر با 0/932 ، 0/961 ، 0/887 و 0/921 حاصل شده است.

کلیدواژه‌ها:

خواص مخزنی، تخلخل، آب اشباع شدگی، شبکه عصبی، نگار

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_086.html
کد COI مقاله: IPEC01_086

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:
تدینی, مهدی و مجید نبی بیدهندی، ۱۳۸۵، تعیین خواص پتروفیزیکی سنگ مخزن میدان پارسی با استفاده از شبکه عصبی مصنوعی، اولین کنگره مهندسی نفت ایران، تهران، انجمن مهندسی نفت ایران، https://www.civilica.com/Paper-IPEC01-IPEC01_086.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: (تدینی, مهدی و مجید نبی بیدهندی، ۱۳۸۵)
برای بار دوم به بعد: (تدینی و نبی بیدهندی، 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 :

  • تدینی، مهدی(۱۳۸۳)سنگ شناسی مخزن و تخمین تخلخل و آب اشباع‌شدگی ...
  • !. Al-Qahtani F. A., 2000. Porosity prediction using artificial neural ...
  • _ Callan R., 1999. The essence of neural networks. Southham ...
  • . Crain P.E 2003 . Petrop hysical Handbook . Canada ...
  • _ Menhaj M. B., 2000. Fu ndamentals of neural networks. ...
  • '. Parker D. B., 1985. Learn inig-Logic: Casting the cortex ...
  • _ Rumelhart, D. E., Hinton G. E. and Williams R. ...
  • 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.