مقایسه روش های تخمین سرعت موج برشی در یکی از میادین خلیج فارس

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 589

فایل این مقاله در 15 صفحه با فرمت PDF و WORD 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:

CCESI01_285

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

نقش داده هاى صوتى در فرآیند سرشت نمایى مخازن نقشى غیرقابل انکار است. از این رو استفاده از نگارهای سرعت موج طولی و برشی بیش از گذشته رواج یافته است. در این شرایط مشکل اصلی گران بودن هزینه اندازه گیری سرعت موج برشی در تمام چاه های میدان است. بنابراین سرعت موج برشی در برخی چاه های میدان اندازه گیری می شود و با استفاده از روش های مختلف برای چاه های دیگر میدان و سپس به کل میدان تعمیم داده می شود. در این مقاله سه روش تخمین موج برشی توسط شبکه عصبی مصنوعی، رابطه تجربی گرینبرگ-کاستاگنا و تعمیم سرعت موج برشی در طول یک میدان با استفاده از ترکیب نشانگرهای لرزه ای، الگوریتم های شبکه عصبی و مقطع لرزه ای در سه چاه یک میدان بررسی شده است. براساس نتایج حاصل روش ترکیب نشانگرهای لرزه ای و الگوریتم های شبکه عصبی بهترین نتیجه را در طول کل مقطع لرزه ای ارائه داده است. هم-چنین استفاده از شبکه عصبی مصنوعی به تنهایی نتایج مناسب تری را نسبت به رابطه تجربی گرینبرگ-کاستاگنا ارائه داده است اما این روش تنها در محل چاه ها قابل استفاده است و اطلاعاتی از سرعت موج برشی در فاصله بین چاه ها در اختیار قرار نمی دهد. به همین علت و با توجه به اعتبارسنجی مناسب روش ترکیب نشانگرهای لرزه ای و الگوریتم های شبکه عصبی، از این روش به عنوان بهترین نتیجه حاصل برای اهداف مختلفی مانند مدل سازی شکستگی ها می توان استفاده کرد.

کلیدواژه ها:

نویسندگان

مهدی ایلیات

دانشجوی کارشناسی ارشد مهندسی اکتشاف نفت، دانشگاه سمنان

علی چهرازی

دکترای زمین شناسی، پژوهشگاه صنعت نفت

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 :
  • عزیزی، م (1392) «ارائه مدلی هوشمند جهت ردیابی لایه‌های شیلی ...
  • منهاج، م.ب (1389) «مبانی شبکه‌های عصبی»، چاپ هفتم، تهران: انتشارات ...
  • Ameen, M. S., Smart, B. G. D., Somerville, J. M. ...
  • Aminzadeh, F. (2005). A new concept for seismic anomaly detection, ...
  • Arditty, P. C., Schein, F. and Staron, P. (1988). Determination ...
  • Castagna, J. P., Batzle, M. L. & Eastwood, R. L., ...
  • Chopra, S., Marfurt, K.J. (205). Seismic attributes-A historical perspective, Society ...
  • De Groot, P.F.M., Bril, A.H. (1997). Quantitative interpretation generally needs ...
  • Demuth H and Beale M (2002). Neural network toolbox Users ...
  • Domenico, S. N. (1984). Rock lithology and porosity determination from ...
  • Hamada, G. M. (2004). Reservoir fluids identification using Vp/Vs ratio, ...
  • Jeirani Z., and Mohebb A. (2006). Estimating the initial pressure, ...
  • Lim, J. S., (205). Reservoir properties determination using fuzzy logic ...
  • Pickett, G. R. (1963). Acoustic character logs and their application ...
  • Poggio, T., Girosi F. (1990). Networks for approximation and learning, ...
  • Sheriff, R. E. & Geldart, L. P. (1995). Exploration Seismology ...
  • Tatham, R. H. (1982). Vp/Vs and lithology Geophysics, 44-47. ...
  • Valet, L., Mauris, G. (2007). Attribute impact for a seismic ...
  • MSc student petroleum exploration, mahdilya t@yahoo. com ...
  • PHD geology, chehrazi2001 @yahoo.com ...
  • نمایش کامل مراجع