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:

814
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

691
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی تراوایی سنگ مخزن کربناته با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان در یکی از مخازن نفتی ایران

صفحات

 صفحه شروع 281 | صفحه پایان 295

چکیده

تراوایی از مولفه های اساسی در ارزیابی مخازن هیدروکربنی است که عمدتا از طریق اندازه گیری های آزمایشگاهی از مغزه یا داده های چاه آزمایی به دست می آید. با این حال, به دلیل هزینه زیاد و فراوانی کم این نوع از داده ها, پیش بینی تراوایی با استفاده از داده های چاه نگاری از جایگاه ویژه ای برخوردار است. در این مطالعه, برای تخمین تراوایی, ابتدا داده های چاه نگارها با توجه به مطالعات زمین شناسی صورت گرفته بر روی میدان مورد مطالعه به چهار گروه رخساره های الکتریکی دسته بندی می شوند: پکستون-وکستون–مادستون, پکستون–وکستون, گرینستون–پکستون و گرینستون–پکستون–وکستون.در این مطالعه, از شبکه های عصبی مصنوعی و ماشین بردار پشتیبان برای تخمین تراوایی در یکی از مخازن ناهمگون کربناته با استفاده از داده های چهار چاه در میدان مذکور استفاده شده است. جهت تخمین تراوایی, ابتدا داده های نگاره های چاه با استفاده از روش های «تجزیه وتحلیل مولفه های اصلی» و «تجزیه وتحلیل خوشه مبتنی بر مدل» به رخساره های الکتریکی تقسیم بندی شده اند. سپس هر رخساره الکتریکی به عنوان ورودی شبکه عصبی مصنوعی و ماشین بردار پشتیبان جهت تخمین تراوایی در نظر گرفته شده اند.شبکه عصبی مصنوعی با استفاده از «توابع پس انتشار لونبرگ», «گرادیان نزولی با تکانه وزنی» و «تابع یادگیری بیاس» با ده لایه مخفی آموزش داده شده است. از ماشین بردار پشتیبان با رگرسیون های اپسیلون و نو با توابع کرنلی مختلف استفاده شده است.در این مطالعه, تابع کرنل شعاعی ماشین بردار پشتیبان دارای خطای کمتری در مقایسه با شبکه عصبی است. خطای حاصل از ماشین بردار پشتیبان برای رخساره های الکتریکی گروه اول تا چهارم به ترتیب برابر است با: 0.0065, 0.0242, 3.6587 و 0.0195.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    عزیزی، یاسر، و شادمنامن، نوید. (1396). پیش بینی تراوایی سنگ مخزن کربناته با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان در یکی از مخازن نفتی ایران. مجله فیزیک زمین و فضا، 43(2 )، 281-295. SID. https://sid.ir/paper/80327/fa

    Vancouver: کپی

    عزیزی یاسر، شادمنامن نوید. پیش بینی تراوایی سنگ مخزن کربناته با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان در یکی از مخازن نفتی ایران. مجله فیزیک زمین و فضا[Internet]. 1396؛43(2 ):281-295. Available from: https://sid.ir/paper/80327/fa

    IEEE: کپی

    یاسر عزیزی، و نوید شادمنامن، “پیش بینی تراوایی سنگ مخزن کربناته با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان در یکی از مخازن نفتی ایران،” مجله فیزیک زمین و فضا، vol. 43، no. 2 ، pp. 281–295، 1396، [Online]. Available: https://sid.ir/paper/80327/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