تخمین تراوایی از روشهای ANN و MRGC در یکی از مخازن گازی جنوب غرب ایران

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 259

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

OGPCONF08_098

تاریخ نمایه سازی: 26 مهر 1401

چکیده مقاله:

تراوایی به نسبت حجم فضای خالی یک سنگ به حجم کل آن گفته شده که غالبا از دشوارترین پارامترهای پتروفیزیکی در ارزیابی خواص سنگ و سیال مخازن هیدروکربنی است . محاسبه و تخمین صحیح و دقیق پارامتر تراوایی در مخازن هیدروکربنی کاری بس سخت و دشوار می باشد. روشهای مرسوم بدست آوردن این پارامتر از طریق آنالیز مغزه های حفاری در آزمایشگاه و عملیات چاهآزمایی است ، اما محاسبه تراوایی از طریق آنالیز مغزه در همگی چاههای یک میدان نفتی و یا گازی بسیار زمانبر و هزینه بر بوده و عملا انجام آن غیر ممکن می باشد. چاه آزمایی نیز به دلایلی منجمله ؛ هزینه های گزاف و همچنین توقف تولید در زمان انجام تست مقرون بصرفه نیست . به این خاطر محاسبه تراوایی از نگاره های چاه پیمایی با تکیه بر روشهای هوشمند به دلایلی نظیر؛ هزینه های پایین ، دقت بالا، جامع و در دسترس بودن حائز اهمیت فراوان است . به این منظور در این پژوهش ، در مرحله اول تراوایی به کمک روش شبکه عصبی مصنوعی ArtificialNeural Network (ANN) تخمین زده شد و با تراوایی حاصل از آنالیز مغزه مقایسه گردید. سپس در مرحله دوم تراوایی به کمک روش خوشه بندی چند تفکیکی بر پایه گراف (MRGC) تخمین زده شد و با تراوایی مغزه مقایسه گردید. مشاهده شد که ضریب همبستگی تراوایی های تخمین زده شده با تراوایی مغزه در روش خوشه بندی چند تفکیکی بر پایه گراف ۷۳=۲R و روش شبکه عصبی مصنوعی ۹۱=۲R می باشد. پس بنابراین روش ANN به عنوان روشی دقیق جهت تخمین تراوایی در مخزن کربناته مورد مطالعه معرفی می گردد.

نویسندگان

عبدالمنان اونق

کارشناسی مهندسی نفت- کارشناسی ارشد مهندسی شیمی از دانشگاه تهران

حامد امرایی

کارشناسی ارشد مهندسی نفت از دانشگاه صنعتی سهند تبریز