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

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

626
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

کاربرد شبکه عصبی برای پیش بینی رخساره های سنگی سازند کربناته بر پایه داده های چاه نگاری، میدان نفتی مارون، جنوب غرب ایران

صفحات

 صفحه شروع 111 | صفحه پایان 123

چکیده

 تعیین لیتوفاسیس زمینه ساز شناخت کمی سنگ ها است که آن نیز به نوبه خویش بیانگر بافت سنگ به عنوان یکی از مولفه های مهم توصیف مخزن هیدروکربن به شمار می رود. در این پژوهش سازند سروک به عنوان یکی از مخازن مهم حوضه زاگرس در میدان مارون در بخش فروافتادگی دزفول مورد بررسی قرار گرفته است. در این راستا کوشش گردید تا بین داده های دیجیتال چاه نگاری و پتروگرافی عادی حاصل از توصیف برش های نازک ارتباط کمی تثبیت نمود. تلاش اصلی بر آن بوده که لیتوفاسیس های سازند سروک در چاه شماره 13 میدان مارون پیش بینی گردد. بدین منظور7 نوع چاه نگاشت شامل پرتو گاما دو نوع (CGR و SGR) مقاومت حقیقی, چگالی کل, تخلخل نوترونی, چاه نگاشت صوتی و شاخص فتوالکتریک به عنوان داده های ورودی و لیتوفاسیس های بدست آمده از توصیف برش های نازک تهیه شده از خرده های حفاری (و یا مغزه) به عنوان داده های هدف در شبکه عصبی مصنوعی به کار گرفته شدند تا به کمک آنها لیتوفاسیس ها پیش بینی شوند. نتایج بیانگر انطباق بالای داده های شاهد و نتایج حاصل از شبکه عصبی است (R2=%95). میزان کارایی این مدل با روش حداقل میانگین مربعات سنجیده شد که مقدار آن از 0.303 فراتر نمی رود. بنابر این توصیه می گردد شبکه عصبی برای مخازنی که در آنها هندسه و توزیع رخساره ها فاکتورهای کلیدی کنترل ناهمگنی و توزیع خواص سنگ به شمار می روند, به کار گرفته شود. بیگمان رهیافت کنونی می تواند سبب کاهش بی اطمینانی و صرفه جویی چشمگیر زمان و هزینه برای صنعت نفت شود.متن کامل این مقاله به زبان انگلیسی می باشد, لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    محسنی، حسن، اسفندیاری، موسی، و حبیبی اصل، الهام. (1394). کاربرد شبکه عصبی برای پیش بینی رخساره های سنگی سازند کربناته بر پایه داده های چاه نگاری, میدان نفتی مارون, جنوب غرب ایران. GEOPERSIA (علوم)، 5(2)، 111-123. SID. https://sid.ir/paper/250621/fa

    Vancouver: کپی

    محسنی حسن، اسفندیاری موسی، حبیبی اصل الهام. کاربرد شبکه عصبی برای پیش بینی رخساره های سنگی سازند کربناته بر پایه داده های چاه نگاری, میدان نفتی مارون, جنوب غرب ایران. GEOPERSIA (علوم)[Internet]. 1394؛5(2):111-123. Available from: https://sid.ir/paper/250621/fa

    IEEE: کپی

    حسن محسنی، موسی اسفندیاری، و الهام حبیبی اصل، “کاربرد شبکه عصبی برای پیش بینی رخساره های سنگی سازند کربناته بر پایه داده های چاه نگاری, میدان نفتی مارون, جنوب غرب ایران،” GEOPERSIA (علوم)، vol. 5، no. 2، pp. 111–123، 1394، [Online]. Available: https://sid.ir/paper/250621/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا