تخمین تراوایی بر مبنای دادههای پتروگرافی توسط ماشین مشاوره هوشمند

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,092

فایل این مقاله در 8 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:

SGSI15_395

تاریخ نمایه سازی: 9 اسفند 1390

چکیده مقاله:

تراوایی یکی از مشخصههای مخزنی میباشدکه م یتواند از طریق سنجش مغزه و چاه آزمایی تخمینزده شود.اگرچه این روشها دقیقند ولی انجام آنها نیازمند صرف هزینه، امکانات و زمان بالایی میباشد. بنابراین یافتن راه یبرایگریزازاینمشکلاتضروریبهنظرمیرسد. استفاده از سیستمهای هوشمند به دلیل سرعت و دقت بالا می- تواند در ارتباط با مشکلات موجود مفید بودهو اخیرا بطور موفقی برای محاسبه تراوایی و حل بسیاری از مسائلپیچیده مربوط به مخزن از آن استفاده شده است.دراین پژوهشبر مبنای دادههای پتروگرافی (شامل درشت تخلخل-ها، ریزتخلخلها، پارامتر شکل منفذی و میانگین اندازه درشت منفذها) مدل جدیدی جهت تخمین تراواییسازند غاردر یکی از میادین شمالغربی خلیجفارسطراحی گردیده است. این مدل توسط مفهوم ماشین مشاوره(committeemachine)ارائه میشود.در این پژوهش، دادههای پتروگرافی موجود به دو گروه تقسیم شد،گروه اول که شامل 80 درصد دادهها بود، برای ساخت مدل مورد استفاده قرار گرفت و گروه دوم که شامل 20 درصد باقیمانده داده ها بود،برای تست مدل طراحی شده استفاده گردید.روش کار شامل ادغامسیستمهای هوشمند شبکه عصبی (ANN) ، منطق فازی FL و نروفازی NF در یک ماشین مشاورهCM توسط روش بهینهسازی است. در این مدل،به نتایج تراوایی تخمینزده شده توسط هر یک از سیستمهای هوشمند مذکور ضریب وزنی تعلق میگیرد که مقادیر بهینه وزنی توسط تکنیک الگوریتمهای ژنتیک GA بدست آمده است. ضریب همبستگی و میزان میانگین مربعات خطاهاMSE بدست آمده بین تراوایی مغزه و تراوایی تخمینزده شده برای این مدل برابر 0/88 و0/0203 بدست آمد. نتایج حاصل از این پژوهش نشان میدهد که ادغام سیستمهای هوشمند در یک ماشین مشاوره نتایج قابل قبولترى نسبت به هر یک از سیستمهاى منفرد میدهد.

نویسندگان

بهمن گلچین

دانشگاه شهید بهشتی، دانشکده علوم زمین، گروه زمین شناسی

محبوبه حسینی برزی

دانشگاه شهید بهشتی، دانشکده علوم زمین، گروه زمین شناسی

محمدحسین آدابی

دانشگاه شهید بهشتی، دانشکده علوم زمین، گروه زمین شناسی

بیژن نوری

شرکت نفت فلات قاره، اداره زمین شناسی و پتروفیزیک

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 :
  • کدخدایی، ع. رضایی، م. ر. رحیم پور بناب، ح. 1386، ... [مقاله کنفرانسی]
  • Ali, M., Chawathe, A., 1999. Using artificial intelligence to predict ...
  • Anselmetti, F.S., Luthi, S., Eberli, G.P. 1998. Quantitative _ haracterization ...
  • Cerepi, A., Durand, C., Brosse, E., 2002. Pore microgeometry analysis ...
  • Chen, C.H., Lin, Z.S. 2)6. A committee machine with empirical ...
  • Ehrlich, R.. Etris, E.L., Brumfield, D.S., Yuan, L.P. and Crabtree ...
  • Kadkhod aie-Ikhchi , A., Rahimpour-B onab, H., Rezaee, M.R., 2008. ...
  • Kadkho daie-Ikhchi, A., Rezaee, M.R., Rahimpour-B onab, H., 2009. A ...
  • Labani, _ H., Kadkho daie-Ikhchi, A., Salahshoor. _ 2010. Estimation ...
  • Ruzyla, K., and Jezek, D. I, 1987. Staining method for ...
  • Solymar, M., and Fabricius, I. L., 1998. Image analysis and ...
  • Sugeno, M., 1985. Industrial Applications of Fuzzy Control. Elsevier Science ...
  • نمایش کامل مراجع