تفسیر داده های چاه آزمایی با استفاده از شبکه های عصبی و رگرسیون غیرخطی

  • سال انتشار: 1391
  • محل انتشار: اولین کنفرانس بین المللی نفت، گاز، پتروشیمی و نیروگاهی
  • کد COI اختصاصی: ICOGPP01_172
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1713
دانلود فایل این مقاله

نویسندگان

مصطفی فرامرزی

دانشجو کارشناسی ارشد مخازن هیدروکربوری

امیر صرافی

دانشیار، گروه مهندسی شیمی، دانشگاه شهید باهنر کرمان

مهین شفیعی

دانشیار، گروه مهندسی شیمی، دانشگاه شهید باهنر کرمان

حسین نظام آبادی پور

دانشیار دانشگاه شهید باهنر کرمان

چکیده

با توجه به اهمیت تفسیر داده های چاه آزمایی در صنعت نفت، در این مقاله از ترکیب شبکه های عصبی مصنوعی ورگرسیون غیرخطی برای این منظور استفاده شده است . بدین منظور از شبکه های عصبی مصنوعی برای شناساییویژگی های نمودار مشتق بهره گرفته شده است و با آنالیز نتایج خروجی از شبکه عصبی، رژیمهای جریانی شناخته شده، سپس داده های مربوط به هر رژیم جریانی شناخته شده، برای تخمین اولیه پارامترهای مخزن به کار گرفتهشده است. سپس با استفاده از روش آماری بین مدل های مخزن تمایز داده شده و بهترین مدل منتخب برای مخزن مورد نظرانتخاب شده است و نهایتا تخمین نهایی از پارامترهای مخزن با استفاده از رگرسیون غیرخطی و الگوریتماستفست به دست آمده است. شبکه عصبی آموزش دیده در بیشتر اوقات قادر به شناسایی رژیم های جریانی مخزن است. در الگوریتم نوشته شده یک سری قواعد تجربی نیز دخالت داده شده است تا در مواردی که شبکه عصبی قادر به شناسایی صحیح رژیم های جریانی نیست تخمینی از زمان شروع رژیم جریانی به ما بدهد

کلیدواژه ها

شبکه عصبی – فاصله اطمینان – رگرسیون غیر خطی – الگوریتم استفست(Stehfest Algorithm

مقالات مرتبط جدید

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.