ارزیابی توزیع اندازه فضاهای خالی با استفاده از آنالیز تصویر و مدلسازی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 452

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NPGC02_072

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

محاسبه خصوصیات مخزنی و پیش بینی وضعیت تولید در بخش های مختلف مخزن و چاه، وظیفه مهم مهندس نفت می باشد. با شناخت هرچه بهتر فاکتورهای موثر در تولید، میتوان ارزیابی دقیق تری برای توسعه میدان انجام داد. با توجه به اینکه مخازن کربناته عموما هتروژن هستند، توصیف و ارزیابی آنها نیازمند به کارگیری روش ها و تکنیک های ویژه ای می باشد شناخت انواع مختلف تخلخل در داخل مخزن از انواع گوناگون منافذ؛ یک پارامتر کاربردی برای توصیف مخزن میباشد که نقش متفاوتی را در جابه جایی سیال ایفا میکند و همچنین ظرفیت ذخیره سیال فضاهای خالی مخزن را تعیین میکند.آنالیز تصویری فضاهای خالی بر اساس آنالیز تصویری کامپیوتری است و با استفاده از برنامه های شناسایی، الگو و دسته بندی میشود؛ اطلاعات به دست آمده از این روش بسیار سریع است. دلیل استفاده از این روش، ارزیابی صحیح توزیع فضاهای خالی با استفاده از تصاویر دیجیتال است که جهت پیش بینی کیفیت مخزن و نحوه عملکرد آن به کار می رود. در این مقاله یک مدل برای شناخت انواع فضای خالی در تصاویر مقاطع نازک معرفی شده است. با استفاده از پارامترهای مناسب بدست آمده از آنالیز تصویر و استفاده از مطلوب ترین ویژگی ها به عنوان ورودی شبکه عصبی در نرم افزار MATLAB انواع تخلخل موجود با میزان میانگین مربعات خطای 0/0789 میان داده های واقعی و شبکه تخمین زده شد. بر همین اساس انواع فضاهای خالی حفره ای، بین دانهای، قالبی کامل، درون دانه ای و قالب ناقص به ترتیب با دقت های %100، %91/87، 83/33%، %77/77، %66/11 طبقه بندی و تفکیک شدند.

نویسندگان

یاسمن نگهدارزاده

دانشجوی کارشناسی ارشد دانشگاه صنعتی شاهرود

منصور ضیایی

عضو هیات علمی دانشگاه صنعتی شاهرود

جواد قیاسی فریز

Student of Ph.D in mining exploration engineering, Shahrood university of technology,

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 :