شناسایی و تحلیل رخسارههای الکتریکی سازند عرب توسط روش SOM

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,189

فایل این مقاله در 10 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:

RESERVOIR02_046

تاریخ نمایه سازی: 11 خرداد 1392

چکیده مقاله:

در این مطالعه با استفاده از روش شبکه عصبی خودسازمانده (Self Organizing Map) و اطلاعات نمودارهای پتروفیزیکی، رخساره های الکتریکی سازند عرب در میدان نفتی سلمان تعیین شده است. مقایسه نتایج لیتولوژی، حجم شیل، تخلخل و اشباع آب با رخساره های تعیین شده توسط روش شبکه عصبی، تطابق قابل قبولی را بین رخساره های الکتریکی به دست آمده و مرزهای لیتولوژیکی تعریف شده نشان داده و تقسیم بندی جدیدی از سازند را ارائه می دهد. این تقسیم بندی جنبه مخزنی داشته و تغییر خواص پتروفیزیکی در هر رخساره منحصر به فرد بوده و تغییرات این شاخص ها در رخساره های جدا از هم مشخص است.

نویسندگان

علی نیک نژاد

دانش آموخته کارشناسی ارشد مهندسی نفت، گرایش اکتشاف نفت، دانشگاه آزاد

بهرام موحد

شرکت نفت و گاز دانا

علی کدخدائی

دانشگاه تبریز، گروه زمین شناسی

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 :
  • شهبازی، شبنم.، (1388)، طبقه بندی و شناسایی رخساره‌های زمین شناسی ...
  • Serra, O. and Abbotte, H., 1980, The Contribution of Logging ...
  • Amini, A., Tavakoli, V., 2006, Aplication of multivariatc cluster Analysis ...
  • Saggaf, M. M., Toksoz, M N. and Marhoon, M. I. ...
  • - Lippmann, R. P. (1989). "Pattern classification using neural networks." ...
  • Kohonen, T., (1972), Correlation matrix memories, IEEE Transactions on Computers, ...
  • نمایش کامل مراجع