ساخت چاه نمودار زمان سیرموج برشی با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,116

فایل این مقاله در 6 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:

CMRCE03_128

تاریخ نمایه سازی: 13 دی 1390

چکیده مقاله:

زمان سیر موج برشی یکی از مهمترین پارامتر ها در بررسی های اکتشافی صنعت نفت و گاز محسوب می شود که متاسفانه به دلیل هزینه زیاد در اغلب چاه ها اندازه گیری نشده است به همین دلیل روشهای متعددی برای برآورد این پارامتر از سایر داده ها ی چاه نمودار که دراکثر چاه ها ثبت می شوند ارایه شده است از آنجا یی که زمان سیر موج برشی از پارامترهای مختلف سنگ مثل زمان سیر موج فشاری، سیال منفذی و غیره تاثیر می پذیرد می تواند بیانگر خصوصیات فیزیکی سنگ نیز باشد از این رو زمان سیر موج برشی در تعیین نوع لیتولوژی سازند سیال منفذی و تعیین پارامترهای ژئومکانیکی سازند نظیر مدول یانگ مدول برشی مدول حجمی و غیره کاربرد دارد با وجود این بعضا به دلایل مختلفی از جمله عدم امکان بازخوانی نمودارها بهدلیل شرایط محیطی چاه و عدم امکان راندمان آنها د رچاه های قدیمی شرایط چاه نظیر داشتن لوله جداری و سیمان و ... کسب این اطلاعات نیازمند بازسازی و شبیه سازی نمودار زمان سیر موج برشی است. یکی از بهترین روشها دراین زمینه تکنیک شبکه های عصبی مصنوعی است که در مطالعه حاضر از این تکنیک برای تخمین وساخت چاه نمودارهای مصنوعی زمان سیر موج برشی استفاده شده است. دراین مطالعه میدان X دو چاه A,B و با توجه به مبانی شبکه های عصبی مصنوعی با نرم افزار کامپیوتری QNET-2000 به ساخت مصنوعی چاه نمودار زمان سیر موجبرشی پرداخته شده پس از طراحی شبکه مورد نظر و انجام بررسی های لازم پارامترهای موثر بر پیش بینی داده نمودارها زمان سیر موج برشی با رشم کراس پلات ها تعیین شد درنهایت نمودارهای پیش بینی شده توسط شبکه عصبی مصنوعی با نمودارهای اندازه گیری شده چاه های مذکور مقایسه شده است.

کلیدواژه ها:

زمان سیر موج برشی ، چاه نمودار ، شبکه عصبی مصنوعی

نویسندگان

علی قاسمی

گروه مهندسی نفت دانشگاه آزاد اسلامی واحد امیدیه

محمد قاسمی

گوره مهندسی پلیمر دانشگاه آزاد اسلامی واحد شیراز

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 :
  • منهاج، محمد باقر، مبانی شبک ههای عصبی، دانشگاه صنعتی امیرکبیر، ...
  • Rezaee M.R., Kadkhodaie A., Barabadi A., "Prediction of ...
  • Reservoir of Carnarvon Basin, Australia", Journal of Petroleum Science and ...
  • Baan M., Jutten Ch., :Neural Networks in ...
  • Geophysical Applications", Geophysics, 65, pp. 1032-10, 2000. ...
  • Hasanipak, A.A., and Sharafodin, M., "Analyze of Exploration Data", Tehran ...
  • Rezaee M.R., Kadkhodaie A. and Alizaden P., "Intelligent Approaches for ...
  • Nikravesh M and Aminzadeh F., "Past, Present and Future Intelligent ...
  • Helle H.B., Bhatt A.I and Ursin B., "Porosity and Permeability ...
  • _ _ Linear Inversion of Reflection Seismic Data Geophysics". 48 ...
  • نمایش کامل مراجع