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

پیش بینی تخلخل با استفاده از شبکه های عصبی مصنوعی و داده های چاه نگاری

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۰۵۹ | نظرات: ۰
سرفصل ارائه مقاله: سنگ شناسی رسوبی - رسوب شناسی و زمین شناسی نفت
سال انتشار: ۱۳۸۲
نوع ارائه: شفاهی
کد COI مقاله: SGSI07_113
زبان مقاله: فارسی
حجم فایل: ۱۹۲.۳۶ کلیوبایت (فایل این مقاله در ۸ 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 ۸ 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 پیش بینی تخلخل با استفاده از شبکه های عصبی مصنوعی و داده های چاه نگاری

  محمود نیکجو - دانشگاه صنعت نفت
  محمدرضا زمانی - گروه زمین شناسی دانشگاه تهران
بهرام موحد - مدیریت اکتشاف شرکت ملی نفت
نادر ثابتی - مدیریت اکتشاف شرکت ملی نفت

چکیده مقاله:

تعیین مشخصه های سنگ مخزن نقش بسیار مهمی در صنعت بالا دستی نفت بویژه در ارزیابی موفقیت اقتصادی استخراج نفت و توسعه مخزن ایفا می کند. تخلخل یکی از مهمترین این مشخصه هاست که در تعیین ذخیره مخزن ساخت مدلهای توسعه مخزن کاربرد اساسی دارد.
تعیین تخلخل توسط روشهای کلاسیک با این اشکال مواجه است که علاوه بر داده های چاه نگاری به اطلاعات و داده های بیشتری در باره سنگ مخزن و سیالات مخزن در تمام عمق مخزن نیاز است که کسب این اطلاعات و داده ها نیاز به صرف هزینه و زمان زیادی دارد. تکنیک شبکه مصنوعی می تواند تا حد قابل قبولی این مشکل را حل کند.
شبکه عصبی مصنوعی یکی از جدیدترین تکنیکهائی است که در صنعت نفت مورد استفاده قرار گرفته است. در این مطالعه با بکارگیری این تکنیک با استفاده از داده های چاه نگاری به عنوان ورودی این سیستم مقادیر قابل اطمینانی برای تخلخل بدست آورده شد. در این مالعه مقادیر پیش بینی شده تخلخل توسط این تکنیک با مقادیر واقعی که توس روشهای کلاسیک بدست آمده مورد مقایسه قرار گرفت که خطی با شیب 0/999 و ضریب همبستگی 0/98 بدست آمد. این نتیجه کارآمدی استفاده از تکنیک شبکه عصبی مصنوعی را ثابت می کند.

کلیدواژه‌ها:

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-SGSI07-SGSI07_113.html
کد COI مقاله: SGSI07_113

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:
نیکجو, محمود؛ محمدرضا زمانی؛ بهرام موحد و نادر ثابتی، ۱۳۸۲، پیش بینی تخلخل با استفاده از شبکه های عصبی مصنوعی و داده های چاه نگاری، هفتمین همایش انجمن زمین شناسی ایران، اصفهان، انجمن زمین شناسی ایران، دانشگاه اصفهان، https://www.civilica.com/Paper-SGSI07-SGSI07_113.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: (نیکجو, محمود؛ محمدرضا زمانی؛ بهرام موحد و نادر ثابتی، ۱۳۸۲)
برای بار دوم به بعد: (نیکجو؛ زمانی؛ موحد و ثابتی، ۱۳۸۲)
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 :

  • Helle, H.B., Bhatt, _ and Ursin, B., 2001, Porosity and ...
  • AlI-Qahtani, F.A., 2000, Porosity distribution prediction using artificial neural networks, ...
  • منهاج، محمد باقر، ۱۳۷۸، شبکه های عصبی مصنوعی، ۳۵۰ ص، ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۱۱۳
    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.