ارائه روشی کارآمد برمبنای علم داده و سیستم های هوشمند جهت پیش بینی تراوایی سنگ مخزن هیدروکربنی با استفاده از داده های چاه نگاری
- سال انتشار: 1400
- محل انتشار: کنفرانس ملی آخرین دستاوردهای مهندسی داده و دانش و محاسبات نرم
- کد COI اختصاصی: CONFSKU01_046
- زبان مقاله: فارسی
- تعداد مشاهده: 262
نویسندگان
کارشناسی ارشد مهندسی نفت، انستیتو مهندسی نفت، دانشکده فنی، دانشگاه تهران، تهران،
کارشناسی ارشد مهندسی نفت، انستیتو مهندسی نفت، دانشکده فنی، دانشگاه تهران، تهران،
عضو هیئت علمی ، انستیتو مهندسی نفت، دانشکده فنی ، دانشگاه تهران ، تهران ،
چکیده
هدف این پژوهش، ارائه ی روشی کارآمد برمبنای علم داده و سیستم های هوشمند برای تخمین تراوایی سنگ مخزن هیدروکربنی با استفاده از داده های نگارهای متداول صنعت نفت و نگار تشدید مغناطیس هسته ای (NMR است. تا به امروز، جهت تخمین تراوایی که یکی از پارامترهای مهم سنگ مخزن است از روش های مختلفی همچون سیلاب زنی مغزه، نگارگیری NMR و چاه آزمایی استفاده شده است. روش نگارگیری NMR یکی از راهکارهای قابل اعتماد برای حل این مساله است. با این وجود، این روش محدودیتهایی نیز دارد ک می توان به هزینه بالا و عدم امکان به کارگیری در چاههای جداره دار اشاره نمود. برای بهره گیری از مزایا و دقت تخمین تراوایی حاصل از نگار NMR، روش پیشنهادی در این پژوهش، استفاده از سیستم های هوشمند و آموزش آنها با استفاده از نگارهای متداول چاه به عنوان ورودی و نگار NMR به عنوان هدف است. بدین منظور، برای تعداد محدودی چاه از یک میدان نفتی ایران، با اعمال روش های مختلف پردازش داده بر روی داده های جمع آوری شده، آنها را آماده ی به کارگیری در فرآیند آموزش سیستم های هوشمند انتخاب شده می نمائیم. در نهایت، با استفاده از داده های چاههایی که در فرآیند آموزش سیستمها دخیل نبوده اند، سیستم های آموزش دیده شده را ارزیابی می کنیم. خروجی نهایی این مدل ها دقتی در محدوده ی ۹۰ تا ۹۶ درصد را از خود نشان دادند.کلیدواژه ها
تراوایی، تشدید مغناطیس هسته ای، نگارهای متداول، ، شبکه های عصبی، یادگیری ماشینی و یادگیری عمیقمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
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.