کاربرد شبکه عصبی مصنوعی در تخمین کانی های رسی در یکی ازمیدان های جنوب کشور

سال انتشار: 1391
محل انتشار: اولین کنفرانس بین المللی نفت، گاز، پتروشیمی و نیروگاهی
کد COI اختصاصی: ICOGPP01_667
زبان مقاله: فارسی
تعداد مشاهده: 1141

نویسندگان

دانشجوی کارشناسی ارشد مهندسی اکتشاف نفت،

دکتری ژئوفیزیک مخازن

چکیده

از مهم ترین پارامتر های مورد بررسی در موضوعات مختلف نفتی اعم از حفاری، مخزن ، اکتشاف و تعیین پارامتر های پتروفیزیکی، نوع کانی های رسی می باشد. کانی های رسی همچون کائولینیت و مونت موریلونیت بعلتتورم بسیار زیاد شان موجب مشکلات حفاری می شوند، درنتیجه تعیین نوع و توزیع کانی های رسی کمک موثری در بهبود پارامتر های حفاری و تصحیح پارامتر های پتروفیزیکی از جمله درجه اشباع آب دارد. تاکنون کراس پلات های مشخصی برای تعیین کانی غالب رسی از سوی دانشمندان معرفی شده است ولی بررسی های اخیر نشان داده است که این کراس پلات ها نیز گاها نتایجی مغایر با داده هایXRDنشان می دهند، پس ارائه روشی جدید در بهبود و تکمیل این کراس پلات ها ضروری است. در این تحقیق رابطه مکانی کانی های رسی با نوع کانی های رسی مورد بررسی قرار گرفته است و در صد کانی های رسی در محل هایی که داده هایXRD موجود نمی باشد توسط شبکه عصبی مصنوعی تعیین می شود. نوع روش بکار برده شده در این مقاله ، روش پرسپترون چند لایه می باشد و ورودی های شبکه عصبی داده های مکانی و خروجی های آن درصد 4 کانی رایج رسی می باشد. نتایج این پژوهش نشان می دهد که می توان با دقت مناسبی از داده های مکانی کانی رسی به نوع کانی غالب رسی در آن منطقه دست پیدا کرد

کلیدواژه ها

کانی های رسی - شبکه عصبی مصنوعی - درجه اشباع آب - روش پرسپترون چند لایه

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.