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

سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,659

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SGSI07_113

تاریخ نمایه سازی: 1 مهر 1385

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.

نویسندگان

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

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 :
  • منهاج، محمد باقر، 1378، شبکه های عصبی مصنوعی، 350 ص، ...
  • Helle, H.B., Bhatt, _ and Ursin, B., 2001, Porosity and ...
  • AlI-Qahtani, F.A., 2000, Porosity distribution prediction using artificial neural networks, ...
  • نمایش کامل مراجع