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

Hydraulic Flow Unit Prediction Using Well Log Data and Intelligent Techniques: (Case Study of an Iranian Reservoir)

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۷ | تعداد نمایش خلاصه: ۶۵۱ | نظرات: ۰
سال انتشار: ۱۳۹۰
نوع ارائه: شفاهی
کد COI مقاله: IPEC03_052
زبان مقاله: انگلیسی
حجم فایل: ۵۸۵.۱۳ کلیوبایت (فایل این مقاله در ۱۷ 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 ۱۷ 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 Hydraulic Flow Unit Prediction Using Well Log Data and Intelligent Techniques: (Case Study of an Iranian Reservoir)

  M Hassanpoor - Petroleum University of Technology, Abadan Faculty of Petroleum Engineering,Department of Petroleum Engineering, Abandan, Iran
  S Moradi - Petroleum University of Technology, Abadan Faculty of Petroleum Engineering,Department of Petroleum Engineering, Abandan, Iran
  M.K Ghassem Alaskari - Petroleum University of Technology, Ahwaz Faculty of Petroleum Engineering,Department of Petroleum Engineering, Ahwaz, Iran
S Parchekhari - National Iranian South Oil Company, Ahwaz, Iran

چکیده مقاله:

Spatial distribution of petrophysiccal properties within the reservoirs is important to provide reliable reservoir description. The most completereservoir description is provided through identification of flow units.This paper suggests intelligent techniques using artificial neural network (ANN), fuzzy logic and neuro-fuzzy to determine flow units from well log data. For this purpose, available routine core and wireline log data from five wells are assembled to find the best intelligent formulation between corederived flow units and well log data. Validation of the predictive capability ofthe models evaluated in one separate cored well (Blind-test). At the finalpart of this study an uncored well was selected for flow unit generalization and prediction. The results show that fuzzy logic derived flow units had better accuracy with respect to other techniques. This comparison showed that fuzzy logiccan be used as the most reliable intelligent technique for flow unit prediction from well log data in uncored wells.

کلیدواژه‌ها:

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-IPEC03-IPEC03_052.html
کد COI مقاله: IPEC03_052

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:
Hassanpoor, M; S Moradi; M.K Ghassem Alaskari & S Parchekhari, ۱۳۹۰, Hydraulic Flow Unit Prediction Using Well Log Data and Intelligent Techniques: (Case Study of an Iranian Reservoir), سومین کنگره ملی مهندسی نفت, تهران, انستیتو مهندسی صنعت نفت, https://www.civilica.com/Paper-IPEC03-IPEC03_052.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: (Hassanpoor, M; S Moradi; M.K Ghassem Alaskari & S Parchekhari, ۱۳۹۰)
برای بار دوم به بعد: (Hassanpoor; Moradi; Ghassem Alaskari & Parchekhari, ۱۳۹۰)
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 :

  • Altunbay, D., Tiab, D., Kersey, D.G., and Keelan, D.K. , ...
  • Abbaszadeh, M.D, Fuji, F., Fujimoto, F. (1996). Permeability Prediction by ...
  • Soto B.R., Garcia J.C., Torres, F. and Perez G.S. (2001). ...
  • Padalko, D.V. (2003). Application of neural networks for hydraulic flow ...
  • Svirsky, D., Ryazanov, A., Pankov, M., Yukos, E.P. and Corbett, ...
  • Shahvar, M.B., Kharrat, R. and Mahdavi, R. (2009). Incorporating Fuzzy ...
  • Ebanks, W. j. (1987). Flow Unit Concept - Integrated Approach ...
  • Jong-Se, L. (2005). Reservoir properties determination using fuzzy logic and ...
  • Khandelwal, M., Singh, T. N. (2010). Artificial Neural Networks as ...
  • Taghavi, A.A. (2000). Improved Permeability Estimation Through use of fuzzy ...
  • Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8: ...
  • Reservoir. IPTC Paper 13732. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۱۱۳
    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 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.