مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,045
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

628
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تخمین لیتولوژی سنگ مخزن به کمک داده های چاه نگاری با استفاده از شبکه عصبی مصنوعی

صفحات

 صفحه شروع 13 | صفحه پایان 23

چکیده

 تعیین لیتولوژی سنگ مخزن توسط روش های معمول شامل آزمایش های مغزه و چاه آزمایی صورت می پذیرد. متاسفانه, مغزه گیری از هر چاه در میدان های بزرگ نفتی مانند میدان های نفتی ایران, بسیار هزینه بر است. هر چند به علت اطلاعات بسیار ارزشمندی که لیتولوژی در اختیار ما قرار می دهد, ضروری است که با وجود گران بودن, از تعدادی از چاه های مخزن, مغزه گیری صورت گیرد.هدف این تحقیق, پیش بینی لیتولوژی سنگ مخزن هیدروکربوری در میدان پارس جنوبی با به کارگیری تکنیک شبکه عصبی مصنوعی با الگوریتم پس انتشار خطا (BP) و الگوریتم آموزشی Trainlm با استفاده از نرم افزار Matlab از روی داده های نگارهای اشعه گاما, چگالی, نوترون, صوتی و اثر فتوالکتریک (PEF) می باشد. از این روش می توان هزینه های مربوط به شناسایی مشخصات مخزن و لیتولوژی سنگ مخزن را از طریق کم نمودن احتیاج به عملیات مغزه گیری با توجه به هزینه های بالای آن کاهش داد. قسمت مورد بررسی دارای سه لیتولوژی عمده می باشد که عبارتند از: دولومیت, شیل و انیدریت, که درصد حجمی هر یک به طور مجزا تخمین زده شده است و رگرسیون (Regression) به دست آمده هر یک به ترتیب عبارت است از: 0.87 و 0.76 و 0.90 که حاکی از قابل قبول بودن نتایج حاصله و تفکیک نسبتا خوب آن ها از یکدیگر می باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    دزفولیان، محمدامین، نبی بیدهندی، مجید، و معماریانی، محمود. (1389). تخمین لیتولوژی سنگ مخزن به کمک داده های چاه نگاری با استفاده از شبکه عصبی مصنوعی. زمین، 5(1 (ویژه نامه))، 13-23. SID. https://sid.ir/paper/192941/fa

    Vancouver: کپی

    دزفولیان محمدامین، نبی بیدهندی مجید، معماریانی محمود. تخمین لیتولوژی سنگ مخزن به کمک داده های چاه نگاری با استفاده از شبکه عصبی مصنوعی. زمین[Internet]. 1389؛5(1 (ویژه نامه)):13-23. Available from: https://sid.ir/paper/192941/fa

    IEEE: کپی

    محمدامین دزفولیان، مجید نبی بیدهندی، و محمود معماریانی، “تخمین لیتولوژی سنگ مخزن به کمک داده های چاه نگاری با استفاده از شبکه عصبی مصنوعی،” زمین، vol. 5، no. 1 (ویژه نامه)، pp. 13–23، 1389، [Online]. Available: https://sid.ir/paper/192941/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button