مقایسه رو شهای رگرسیون چندگانه و شبکه های عصبی مصنوعی در برآورد سرعت موج برشی از روی داد ههای پتروفیزیکی
محل انتشار: سومین همایش زمین شناسی کاربردی و محیط زیست
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,974
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CAGE03_056
تاریخ نمایه سازی: 9 مرداد 1386
چکیده مقاله:
توصیف مخزن جهت توسعه مخازن نفت و گاز امروزه امری لازم و ضروری است. سرعت امواج برشی به همراه امواج فشارشی م یتواند داد ههای ارزشمندی برای مطالعه مخزن فراهم کنند. این رو شها که به طور خلاصه مطالعات پترواکوستیکی مخزن نامیده میشوند نقش مهمی در توصیف مخزن مانند تعیین سن گشناسی، نوع سیال و مطالعه ژئوفیزیکی آن دارد.
هدف اصلی این مقاله تخمین سرعت موج برشی با استفاده از روش رگرسیون چندگانه و نیز تکنیک شبک ههای عصبی مصنوعی و مقایسه نتایج آنها م یباشد. شبک ههای عصبی قادر به ساخت مدلی هستند که بتوانند سرعت موج برشی(Vs) را محاسبه نماید و این در مقایسه با رگرسیون چندگانه به رگرسیون دینامیک معروف است. در این مطالعه جهت تخمین سرعت موج برشی از چاهی از میدان مورد مطالعه استفاده شد که هم دارای داد ههای نمودارهای چاه پیمایی و هم دارای داد ههای سرعت موج برشی از سوند دایپلDSI بود. داد ههای پتروفیزیکی این چاه پس از پردازش و انتخاب داد ههای مناسب به سه مجموعه آموزشی، اعتبار سنجی و آزمایشی تقسیم شدند و به عنوان ورودی در شبکه عصبی مورد استفاده قرار گرفتند. همچنین، برای تخمین سرعت موج برشی(Vs) با استفاده از رگرسیون چندگانه، از همان تعداد اطلاعاتی که برای سه مجموعه آموزشی، اعتبار سنجی و آزمون شبکه عصبی در نظر گرفته شده بود به عنوان ورود یهای رگرسیون استفاده شد.
نتایج بدست آمده نشان میدهد که شبکه عصبی در تخمین سرعت موج برشی موفق بوده است. اما روش رگرسیون چندگانه نیز نتایج مطلوبی را ارائه م یدهد.
نویسندگان
سعید جباری بوکانی
دانشجوی کارشناسی ارشد زمی نشناسی نفت دانشگاه آزاد اسلامی واحد تهران ش
سیدرضا موسوی حرمی
دکتری رسو بشناسی- زمی نشناسی نفت دانشگاه مشهد، عضو هیئت علمی دانشگاه
محمود معماریانی
دکتری شیمی آلی، پژوهشگاه صنعت نفت
علی کدخدائی ایلخچی
دانشجوی دکتری زمین شناسی نفت دانشگاه تهران، دانشگاه تهران
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 :