پیش بینی شاخصهای پتروفیزیکی مخزن به کمک شبکه های عصبی با انتخاب ویژگی های مناسب
- سال انتشار: 1389
- محل انتشار: همایش انرژی و محیط زیست
- کد COI اختصاصی: EERCKC01_003
- زبان مقاله: فارسی
- تعداد مشاهده: 1253
نویسندگان
دانشگاه شهید باهنر کرمان عضو انجمن پژوهشگران جوان
دانشگاه شهید باهنر کرمان گروه مهندسی نفتو گاز
دانشگاه شهید باهنر کرمان گروه مهندسی برق
کارشناس عملیات مخازن شرکت نفت وگاز زاگرس جنوبی شیراز
چکیده
برای ارزیابی وامکان سنجی اقتصادی باید اطلاعات کاملی از مخازن بدست آورد رایج ترین روش برای آگاهی یافتن از ساختارهای زیرین عملیات چاه نگاری و تفسیر نمودارهای آن می باشد برای بدست آوردن شاخصهای پتروفیزیکی نظیر اشباع و تخلخل باید از اطلاعات آزمایشگاهی و زمین شناسی نیز استفاده کرد ارزیابی دقیق با استفاده از روشهای رایج نیاز به مهارت اطلاعات و زمان زیاد ی دارد دراین تحقیق با استفاده از شبکه عصبی مصنوعی سعی شد که در زمان کوتاه تر و با اطلاعات کمتری ارزیابی سازند صورت گیرد 40000 داده چاه نگاری معتبر و تخلخل ارزیابی شده مربوط به یکی از میادین جنوب ایران وجود دارد ا زمهمترین عوامل در کارایی شبکه های عصبی انتخاب داده های ورودی شبکه است نکته دیگر این است که با انتخاب بهترین ویژگی ها و کاهش داده های ورودی می توان هزینه و مشکل جمع آوری اطلاعات را کاهش دادکلیدواژه ها
شاخصهای پتروفیزیکی، شبکه های عصبی مصنوعی، نمودارهای چاه نگاریمقالات مرتبط جدید
- استفاده از مواد دوست دار محیطزیست بهعنوان جایگزین برای صنعت بستهبندی مواد غذایی
- مروری بر کاربرد چارچوبهای فلزی-آلی در جذب دیاکسید کربن
- کنترل بهینه یک مدل دینامیکی امکانات و تسهیلات گردشگری در جهت توسعه پایدار مبتنی بر تاثیرات عوامل محیطی
- بررسی موانع پیاده سازی استانداردهایISO با تاکید بر مدیریت سبز با استفاده از شبکههای عصبی عمیق کانولوشن
- استخراج رمزارز و چالش های آلودگی محیط زیست
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.