تفکیک هوشمند نواحی شکسته و غیر شکسته در چاههای نفت مخزن آسماری با استفاده از چاه نمودارهای پتروفیزیکی
محل انتشار: سومین همایش ملی نفت و گاز و صنایع وابسته
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 745
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NIPC03_024
تاریخ نمایه سازی: 30 دی 1394
چکیده مقاله:
شکستگیها نقش مهمی را در ذخیره مواد کربناته، حرکت سیال نفتی و پایداری چاه مخصوصاً در مخازن شکسته دارند. تا کنون روشها و ابزارهای گوناگونی برای شناسایی شکستگیها در سالهای اخیر ارایه شده است ولی هر کدام از این ابزارها و روشهای موجود مزایا و معایبی دارند و هنوز نیاز به توسعه روشهای موجود برای شناسایی شکستگیها که دارای دقت و جامعیت بیشتر باشند، ضروری است. در این مقاله یک روش هوشمند برای شناسایی شکستگیها و تفکیک نواحی شکسته و غیرشکسته در چاه- های نفت بصورت هوشمند با استفاده از دادههای چاهنمودارهای پتروفیزیکی ارایه میشود. الگوریتم هوشمند پیشنهادی با استفاده از تبدیل موجک و کلاسهبند ماشین بردار پشتیبان به شناسایی هوشمند نواحی شکسته و غیرشکسته در چاههای نفت با استفاده از دادههای چاهنمودارهای پتروفیزیکی در چاههای یکی از میدانهای نفتی مخزن آسماری در جنوب غربی کشور پیاده سازی می-شود. برای تعیین دقت الگوریتم پیشنهادی، نتایج حاصل با چاهنمودارهای تصویری تفسیر شده بوسیله کارشناسان نفتی مورد ارزیابی و مقایسه قرار گرفته شده است. نتایج حاصل نشان داد که با وجود پیچیدگی دادههای پتروفیزیکی برای شناسایی نواحی شکسته و غیرشکسته، الگوریتم پیشنهادی هوشمند با دقت بالایی حدود %76در این کار موفق عمل میکند.
کلیدواژه ها:
چاههای کربناته ، چاهنمودارهای پتروفیزیکی ، نواحی شکسته و غیرشکسته ، الگوریتم هوشمند ، تبدیل موجک ، ماشین بردار پشتیبان
نویسندگان
محمود سیف الهی
کارشناسی ارشد مهندسی الکترونیک، دانشکده مهندسی ، دانشگاه پیام نور واحد اهرم،
مسلم قاسمی
کارشناسی ارشد مهندسی کنترل، دانشگاه شهید باهنر کرمان،
بهزاد تخم چی
دکترای مهندسی اکتشاف معدن، دانشگاه شاهرود، دانشکده مهندسی معدن، نفت و ژئوفیزیک
حسین معماریان
دکترای شکستگی در سنگ، دانشگاه تهران، دانشکده مهندسی معدن
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 :