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

تخمین تراوایی مخازن هیدروکربنی به کمک شبکه های عصبی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۵ | تعداد نمایش خلاصه: ۱۲۳۸ | نظرات: ۰
سرفصل ارائه مقاله: نفت و گاز و صنایع وابسته، مهندسی نفت
سال انتشار: ۱۳۸۴
کد COI مقاله: NICEC10_372
زبان مقاله: فارسی
حجم فایل: ۲۸۸.۹۶ کلیوبایت (فایل این مقاله در ۱۵ 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 ۱۵ 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 تراوایی مخازن هیدروکربنی به کمک شبکه های عصبی

  امیرمنصور پزشک - دانشگاه صنعتی شریف، پژوهشکده الکترونیک
  وحید تقی خانی - دانشگاه صنعتی شریف، دانشکده مهندسی شیمی و نفت
  احسان سعادت پور - دانشگاه صنعتی شریف، دانشکده مهندسی شیمی و نفت
  محمد شاه ولی - دانشگاه صنعتی شریف، دانشکده مهندسی شیمی و نفت

چکیده مقاله:

در این مقاله از شبکه های عصبی مصنوعی که استفاده از آن در علوم برق و کامپیوتر و سیستم های کنترل هوشمند بسیار نمود پیدا کرده است، برای تحلیل داده های مخزن هیدروکربنی که در
مهندسی نفت اهمیت بسیاری دارد استفاده شده است . تعیین تراوایی سنگ و توزیع آن در یک مخزن هیدروکربنی ناهمگن، مساله ای بدون راه حل مشخص و مستقیم است . یکی از قدیمی ترین راههای تخمین تراوایی سازند، استفاده از ابزارهای مغزه گیری و آوردن مغزه های ناحیه تولید مخزن به سطح زمین و اندازه گیری تراوایی این نمونه ها تحت شرایط مشابه مخزن می باشد . روش معمول دیگر برای تخمین تراوایی مخزن، چاه آزمایی می باشد .
متأسفانه، مغزه گیری از هر چاه در میدان های بزرگ نفتی مانند میدان های نفتی ایران و نیز فرآیند چاه آزمایی، بسیار هزینه بر و غیر اقتصادی هستند . هر چند به علت اطلاعات بسیار ارزشمندی که
تراوایی در اختیار ما قرار می دهد، ضروری است که با وجود گران بودن از تعدادی از چاه های مخزن مغزه گیری شود تا به امروز، محققان بسیاری تلاش کرده اند تا روابط پارامتری بین تراوایی و ویژگی هایی از مخزن هیدروکربنی که مستقیما قابل اندازه گیری هستند، مانند تخلخل و عمق بیابند . مهندسین نفت غا لباً از تحلیل رگرسیون ١ به عنوان ابزار اصلی برای به دست آوردن رابطه بین این مقادیر استفاده می کنند . در این روش ها، فرض بر این است که یک تابع خطی یا غیرخطی برای مدل کردن رابطه تراوایی و دیگر خواص سنگ کافی است . هرچند به علت طبیعت بسیار پیچیده مساله، روابط ارایه شده دقیق و قابل اعتماد نیستند . یک روش جایگزین برای روش مدل کردن پارامتری، استفاده از شبکه های عصبی مصنوعی می باشد . در سال های اخیر، شبکه های عصبی به عنوان ابزارهای قدرتمندی برای مدل کردن سیستم های پیچیده مطرح شده اند . این شبکه ها روش های تحلیل بدون الگوریتم داده های حجیم آنالوگ را میسر می سازند . از آنجا که تحلیل داده ها و آموزش این شبکه ها به صورت موازی و توزیع شده انجام می گیرد، آنها توانایی تشخیص روابط بسیار پیچیده بین متغیرهای متعدد ارائه شده به شبکه را دارند . در این مطالعه، الگوریتم لونبرگ - مارکوارت برای تخمین تراوایی یک مخزن هیدروکربنی در ایران به کار گرفته شده است

کلیدواژه‌ها:

مخزن هیدروکربنی، شبکه عصبی، تراوایی، تخلخل، عمق

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-NICEC10-NICEC10_372.html
کد COI مقاله: NICEC10_372

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:
پزشک, امیرمنصور؛ وحید تقی خانی؛ احسان سعادت پور و محمد شاه ولی، ۱۳۸۴، تخمین تراوایی مخازن هیدروکربنی به کمک شبکه های عصبی، دهمین کنگره ملی مهندسی شیمی ایران، زاهدان، دانشگاه سیستان و بلوچستان، https://www.civilica.com/Paper-NICEC10-NICEC10_372.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: (پزشک, امیرمنصور؛ وحید تقی خانی؛ احسان سعادت پور و محمد شاه ولی، ۱۳۸۴)
برای بار دوم به بعد: (پزشک؛ تقی خانی؛ سعادت پور و شاه ولی، ۱۳۸۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۱۸۲۹۳
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.