استفاده از روش شبکه های عصبی مصنوعی برای پیش بینی تراوایی
- سال انتشار: 1392
- محل انتشار: اولین کنفرانس و نمایشگاه تخصصی نفت
- کد COI اختصاصی: PTCE01_021
- زبان مقاله: فارسی
- تعداد مشاهده: 1001
نویسندگان
دانشجوی کارشناسی ارشد مهندسی مخزن
استادیار دانشکده مهندسی نفت
استادیار دانشکده مهندسی کامپیوتر
چکیده
نفوذپذیری یکی از ویژگیهای بسیار مهم مخازن نفتی است که قابلیت انتقال سیالاتی مانند نفت، گاز و یا آب را در فضاهای خالی موجود درسنگ مخزن نشان میدهد. تعیین نفوذپذیری در فرآیندهایی چون برآورد ذخیره، تولید و توسعهی مخازن نفتی، جایگاه خاصی دارد. درصنعت نفت روش استاندارد برای تعیین نفوذپذیری، آنالیز مغزه ، آزمایش چاه و روابط تجربی است. اخیرا از روشهای جدیدتری مثل سیتی-اسکن برای به دست آوردن پارامتر مذکور استفاده شده است. یعنی قبلا از روشهای آزمایشگاهی (مثل آنالیز مغزه) ، آزمایش چاه و روابط یا مدلهای تجربی برای تعیین تراوایی استفاده میشد، به دلیل این که روشهای آزمایشگاهی و چاه آزمایی زمانبر بوده و پر هزینه هستندهمچنین معمولا همهی چاههای یک مخزن دارای مغزه نمیباشند، از طرفی مدلهای تجربی برای موارد خاصی به کار میروند و در جاهایدیگر دقت و کارایی لازم را ندارند در نتیجه روشی که بتواند با استفاده از نگارهای چاهپیمایی، خواص پتروفیزیکی مخزن از جمله نفوذپذیری را به دست دهد اهمیت زیادی خواهد داشت. در این مقاله با استفاده از دادههای پتروفیزیکی و به کارگیری روشهای دادهکاوی پارامتر مهمذکر شده (تراوایی) را به دست میآوریم. برای این کار ابتدا دادهها را نرمالایز کرده سپس از روشهای شبکهی عصبی پرسپترون چند لایهMLPو شبکهی عصبی تابع پایه شعاعیRBF که هر دو از روشهای یادگیری ماشینی هستند) برای برآورد نفوذپذیری (افقی وقائمیکی از میدانهای نفت و گاز ایران با استفاده از دادههای ژئوفیزیکی استفاده شده است و نتایج این روشها با هم مقایسه و سنجیده شدهاندکلیدواژه ها
تراوایی (نفوذپذیری) ، شبکهی عصبی مصنوعی، ضریب همبستگی، مخزن هیدروکربوری، میانگین مربع خطامقالات مرتبط جدید
- بررسى موتور احتراقى جرقه اى پرخوران با عملکرد خود اشتغالى از نوع کوبش با خنک کن میانى
- بررسى وضعیت عملکرد تولید کنندگان تامین کنندگان و فعالان حوزه سیستم هاى خنک کننده ایران و لزوم ساماندهى بنیادین آن با استفاده از راهکارهاى پیشنهادى
- بررسى رفتار رشد دکمه جوش و رفتارشکست نقاط جوش در اتصالات جوشکارى مقاومتى نقطه اى چهار ورق هاى با ضخامت هاى متفاوت
- پیش بینى عدد ستان بیودیزل با استفاده از پروفیل اسیدهاى چرب
- مدل سازی و تحلیل نرم افزاری کوره های واحد ریفرمینگ شرکت پتروشیمى شهید نورى به منظور بهینه سازی مصرف انرژی و کاهش تلفات حرارتی
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.