Permeability Estimation by Artificial Intelligence Methods from Wireline Logs; A Case Study From One of the Iranian Oil Reservoirs

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 948

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IPEC03_154

تاریخ نمایه سازی: 7 تیر 1393

چکیده مقاله:

Reservoir characterization plays a crucial role in modern reservoir management.The reservoir characteristics include porosity, permeability, facies distribution, anddepositional environment. Permeability is an important parameter associated with the characterization of hydrocarbon reservoirs. Estimation of permeability fromwireline logs is important yet difficult task to encounter in geophysical formation evaluation. This study was carried out permeability estimation in a carbonate gasreservoir with the artificial intelligence methods. Fuzzy logic and neuro-fuzzy method that based on fuzzy logic presented good results. It’s shown in present work, when the number of data is low and the formation is complex (such as carbonate reservoirs), the methods based on fuzzy logic will have appropriate performance

نویسندگان

Haniyeh Jalayeri

Department of Mining, Petroleum and Geophysics Engineering, Shahrood University of Technology

Amin Malekpoor

Department of Mining, Metallurgy and Petroleum Engineering, Amirkabir University of Technology

Aboulghasem Kamkar Rouhani

Department of Mining, Petroleum and Geophysics Engineering, Shahrood University of Technology

Mansour Ziaii

Department of Mining, Petroleum and Geophysics Engineering, Shahrood University of Technology

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 :
  • El-Shahat Afify, W., Ibrahim Hassan, A., 201 .Permeability and Porosity ...
  • Hurtado, N., Aldana, M., Torres, J., 20 09.Comparsion between neuro-fuzzy ...
  • Saemi, M., Ahmadi, M., 2008 .Integration of genetic algorithm and ...
  • Tahmasebi, P., Hezarkhani, A., 2010 .Application of Adaptive Neuro-Fuzzy Inference ...
  • نمایش کامل مراجع