بررسی آنالیز و شبیه سازی داده های چاه آزمایی با استفاده از نرم افزارهای petrel و fast و تخمین تراوایی با استفاده از شبکه های عصبی مصنوعی
محل انتشار: کنفرانس بین المللی یافته های نوین پژوهشی در علوم،مهندسی و فناوری با محوریت پژوھشھای نیاز محور
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 523
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMRS01_092
تاریخ نمایه سازی: 8 آبان 1395
چکیده مقاله:
با توجه به تجدید ناپذیر بودن منابع هیدروکربن، باید از مناسب ترین روش ها جهت استخراج نفت استفاده نمود که با توجه به پر هزینه بودن عملیات استخراج، شناخت خصوصیات سنگ مخزن از جمله تراوایی باعث کاهش هزینه و بالا بردن وضعیت و اقتصادی طرح می گردد. عدم قطعیت های موجود با استفاده از روش های مطلوب، در این تحقیق سعی در پایین آوردن خطا داریم که این خود مستلزم بالا بودن دقت عمل می باشد. بسیاری از اطلاعات چاه آزمایی و داده های اولیه جهت استفاده در زمین آمار به صورت مناسب تجزیه و تحلیل نشده اند در فصل دوم نگاهی بر زمین آمار خواهیم کرد.دلیل این مسئله ماهیت متفاوت خواص مختلف داده ها مانند مغزه و چاه آزمایی است. ضرورت دارد جهت تفسیر این داده ها از روش های تحلیلی جدید استفاده گردد. با توجه به ماهیت مخازن جنوب کشور که عمدتاً مخازن شکاف دار هستند به کار گیری این روش در تعیین تراوایی اهمیت بسیار بالایی را دارا می باشد. بررسی بهترین مدل جهت تفسیر دادهای چاه آزمایی و روش های زمین آماری جهت تخمین تراوایی سنگ مخزن می باشد . هدف آرمانی تخمین صحیح از شرایط واقعی سنگ مخزن و افزایش حداکثری دقت می باشد. هدف کاربردی تحقیق نیز اجرای آن بر روی یکی از مخازن ایران می باشد. در فصل چهارم دبی چاه را در سطح زمین تغییر می دهیم و اثرات این تغییر را در مخزن مورد بررسی و مطالعه قرار می دهیم و در انتها در فصل پنجم به تشریح ساز و کار ساخت مدل تراوایی و چگونگی تفسیر اطلاعات چاه آزمایی و در نهایت تصحیح مدل بر پایه تراوایی چاه آزمایی پرداخته شده است.
کلیدواژه ها:
نویسندگان
پرهام مطوری
دانشگاه آزاد اسلامی واحد علوم و نحقیقات
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 :