بازسازی محیط متخلخل چندمقیاسه سنگ کربناته با استفاده از زمین آماری چند نقطه ای و شبکه عمیق خودرمزگذار

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 340

فایل این مقاله در 7 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:

NICEC17_333

تاریخ نمایه سازی: 27 دی 1400

چکیده مقاله:

آنالیز دیجیتال فیزیک سنگ مخزن به عنوان یکی از روشهای نوین در بحث ارزیابی خصوصیات پتروفیزیکی سنگ مخزن شناخته میشود. در مواقعی که تصاویر سه بعدی محیط متخلخل در دسترس نباشد از روشهای بازسازی استفاده میشود. در تحقیق پیش رو از ترکیب دو روش بازسازی زمین آماری چند نقطهای و شبکه عصبی عمیق خودرمزگذار (Auto-Encoder Deep Neural Network) به منظور بازسازی تصاویر محیط متخلخل چندمقیاسه استفاده شده است. روش زمین آماری چند نقطه ای وظیفه بازسازی سه بعدی نمونه های دوبعدی را در یک مقیاس برعهده دارد و شبکه عمیق خودرمزگذار، با آنالیز لایه به لایه تصویر بازسازی شده به اصلاح بازسازی حاصله از روش آماری می پردازد و نمونه ای چندمقیاسه را بر مبنای داده های ورودی بازسازی می کند. ارزیابی نمونه های بازسازی شده از منظر بصری و آماری انجام شده است.

کلیدواژه ها:

محیط متخلخل ، آنالیز دیجیتال ، بازسازی چندمقیاسه ، زمین آماری چند نقطه ای ، شبکه عصبی عمیق خودرمزگذار

نویسندگان

رضا شمس

دانشجوی دکتری مهندسی نفت، دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف

محسن مسیحی

استاد تمام رشته مهندسی نفت، دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف

رامین بزرگمهری بوذرجمهری

استاد تمام رشته مهندسی شیمی، دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف

مارتین بلانت

استاد تمام رشته مهندسی نفت، دانشکده علوم و مهندسی زمین، دانشگاه امپریال کالج لندن