Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

ارائه مدل هوشمند شبکه عصبی جهت ارزیابی تراوایی مخزن آسماری در میدان نفتی اهواز

سال انتشار: 1387
کد COI مقاله: IAUMAHALLATES01_001
زبان مقاله: فارسیمشاهده این مقاله: 838
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه مدل هوشمند شبکه عصبی جهت ارزیابی تراوایی مخزن آسماری در میدان نفتی اهواز

حبیب آخوندی - مدرس دانشگاه پیام نور مرکز تبریز
بهزاد حاج علیلو - عضو هیئت علمی دانشگاه پیام نور مرکز تبریز

چکیده مقاله:

تراوایی از مهمترین خصوصیات مخازن هیدروکربوری میباشد. تراوایی را میتوان با استفاده از آنالیز نمونههای مغزه در آزمایشگاه و آزمایش چاه(well testing به دست آورد. این روشها مستلزم صرف هزینه و وقت زیادی میباشند. بنابراین به کارگیری آنها در تعداد کمی از چاههای یک میدان امکانپذیر است. ولی نمودارهای چاهپیمایی برای اکثر چاهها در دسترساند. پس استفاده ازروشهای هوشمند شبکههای عصبی برای تخمین تراوایی، از روی دادههای چاهپیمایی بسیار مفید میباشد و هزینهها را کاهش میدهد.امروزه روشهای محاسباتی جدید در صنعت نفت بسیار رایج شده است، بنابراین در این مطالعه نیز برای تخمین تراوایی از تکنیکشبکههای عصبی با الگوریتم پسانتشار خطاBP-ANN بهره گرفته شد. به دلیل بالا بودن ضریب همبستگی بین نتایج مغزه و نتایجتخمین زده شده از طریقANN نتایج شبکه موردنظر به چاه شماره 3 میدان نفتی اهواز که فاقد تراوایی مغزه بودند تعمیم داده شد. نتایج نشان میدهد که مدل شبکه عصبی جهت تخمین تراوایی موفق بوده است

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IAUMAHALLATES01_001 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/161398/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
آخوندی، حبیب و حاج علیلو، بهزاد،1387،ارائه مدل هوشمند شبکه عصبی جهت ارزیابی تراوایی مخزن آسماری در میدان نفتی اهواز،اولین همایش سراسری کاربرد فناوریها و روشهای نوین در علوم زمین،محلات،https://civilica.com/doc/161398

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1387، آخوندی، حبیب؛ بهزاد حاج علیلو)
برای بار دوم به بعد: (1387، آخوندی؛ حاج علیلو)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Ahmad.Kh, "Takagi-Sugen controllers, Dublin- 2, IRELAND, 2006 ...
  • Babuska.R, "Fuzzy Logic for Engineering Application", web page: Lce www. ...
  • Cuddy. S.J, "Litho-Facis and Permcability Prediction Form Electrical Logs Using ...
  • Fuzzy Logic Tool Box, User Guide Matlah Software, by the ...
  • Mohaghegh.Sh، «Virtual in telling ence application in petroleum engineering, part ...
  • Novel Model for Permeability Prediction in Uncore Wells", Paper SPE ...
  • Tafazoli.S & Leduc.M & Sun.X, "Hystersis Modeling Using Fuzzy Logic ...
  • Zare.s, ،0Estimation permcability, porosity, litho-facies form electrical logs using Fuzzy ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

کدام مقالات به این منبع استناد نموده اند


بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 1 مقاله استفاده شده است.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: پیام نور
تعداد مقالات: 63,512
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی