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

تخمین اشباع آب و تخلخل با استفاده از شبکه های عصبی هوشمند و اطلاعات خام پتروفیزیکی برای یکی از مخازن جنوب غرب ایران

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۷۱ | نظرات: ۰
سال انتشار: ۱۳۹۰
نوع ارائه: پوستر
کد COI مقاله: IPEC03_162
زبان مقاله: فارسی
حجم فایل: ۳۸۱.۲۷ 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 تخمین اشباع آب و تخلخل با استفاده از شبکه های عصبی هوشمند و اطلاعات خام پتروفیزیکی برای یکی از مخازن جنوب غرب ایران

  پیام لاهه مطلق - دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران،گروه مهندسی نفتو گاز، تهران، ایران
  راشل مصطفایی - دانشگاه آزاد اسلامی واحد تهران شمال، باشگاه پژوهشگران جوان، تهران، ایران

چکیده مقاله:

اشباع آب و تخلخل موثر، نقش مهمی در ارزیابی میزان ذخایر مخازن نفت و گاز دارند. در این مطالعه دو شبکه عصبی مصنوعی پس انتشار جداگانه برای پیش بینی این دو پارامتر با استفاده از داده های چاه پیمایی و آنالیز مغزهطراحی شده است. داده های مخزن کربناته دو چاه در یکی از میادین جنوب غرب ایران مورد استفاده قرار گرفت. مدل بر اساس طراحی شبکه سه لایه با تابع فعال سازی تانژانت هایپربولیک برای لایه میانی و تابع فعال سازی خطی برای لایه خروجی می باشد. از لاگ های پرتوی گاما، نوترون، دانسیته، مقاومت عمیقLLD)و صوتی در ورودی استفاده گشت. بعد از پردازش داده ها 70 درصد آنها برای آموزش شبکه، 15 درصد برای اعتبارسنجی و مابقی برای آزمایش قرار داده شدند. ضرایب همبستگی شبکه های اشباع آب و تخلخل موثر ایجاد شده بعد از آموزش برای چاهAبه ترتیب برابر 0/978و0/983وچاه B 0/973و0/948 بدست آمد. نتایح حاصل از این مطالعه موردی درپیش بینی اشباع آب و تخلخل موثر با استفاده از این روش هوشمند دقت مناسبی را نشان می دهد

کلیدواژه‌ها:

اشباع آب، تخلخل موثر، شبکه های عصبی مصنوعی، چاه پیمایی، آنالیز 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-IPEC03-IPEC03_162.html
کد COI مقاله: IPEC03_162

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:
لاهه مطلق, پیام و راشل مصطفایی، ۱۳۹۰، تخمین اشباع آب و تخلخل با استفاده از شبکه های عصبی هوشمند و اطلاعات خام پتروفیزیکی برای یکی از مخازن جنوب غرب ایران، سومین کنگره ملی مهندسی نفت، تهران، انستیتو مهندسی صنعت نفت، https://www.civilica.com/Paper-IPEC03-IPEC03_162.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: (لاهه مطلق, پیام و راشل مصطفایی، ۱۳۹۰)
برای بار دوم به بعد: (لاهه مطلق و مصطفایی، 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 :

  • Adeniran A., Elshafei M., Hamada G., Functional network soft sensor ...
  • Al-Bulushi N., King P. R., Blunt M. J., Kraaijveld M., ...
  • Helle H. B., Bhatt A., Fluid saturation from well logs ...
  • Rezaee M. R., Nikjoo M., Movahhed B., Sabeti N., Prediction ...
  • _ حمیدی ح.، نبی بیدهندی م. تعیین تخلخل و آب ...
  • لویمی م، ، کامکار روحانی ا، کشاورز فرج خواه ن.، ... [مقاله کنفرانسی]
  • Mohaghegh, _ Virtual- intelligence applications in petroleum engineering, part 1- ...
  • Maier H. R., Dandy G. C., Neural networks for prediction ...
  • Goda H. M., Maier H.R., Behrenbruch P., The development of ...
  • Shoikir E.M. EL-M., Alsughayer A. A., Alateeq A., Permeability estimation ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    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.