ارزیابی لاگها و پارامترهای پتروفیزیکی مصنوعی بازسازی شده با استفاده از سیستم شبکه های عصبی مصنوعی

پایان نامه
چکیده

تجزیه و تحلیل لاگهای چاه به منظور کسب اطلاعات پتروفیزیکی مخازن هیدروکربنی از اهمیت بسیاری برخوردار است . این فرآیند در مقیاس مخزن مجموعه کاملی از لاگ ها را نیاز دارد . به دلایل مختلف نظیر عدم نمودارگیری به صورت کامل درچاههای قدیمی ، از بین رفتن لاگها بر اثر نگهداری نادرست ، ریزش برخی فواصل ،لاگها ناقص می باشند که این امر سبب میگرددکه تجزیه و تحلیل لاگها انجام نشود ویا اینکه با دقت پایین انجام شود . بنابراین در این پروژه سعی شده لاگهای مصنوعی و پارامترهای پتروفیزیکی بااستفاده از شبکه عصبی مصنوعی ساخته شود . شبکه عصبی مصنوعی برای محاسبه پارامترهای پتروفیزیکی و لاگها یک شبکه سه لایه است که از پارامترهای پتروفیزیکی و لاگها به عنوان ورودی استفاده می کند . این شبکه نرم افزار ‏‎easynn‎‏ از تعداد متغیری نرون به عنوان ورودی ( با توجه به پارامتر محاسبه شونده ) و دو لایه پنهان که به طور کلی لایه پنهان اول دارای 3 نرون و لایه پنهان دوم دارای 7 نرون و لایه خروجی دارای یک نرون است و نرخ یادگیری آن 9/.و مجموع مربعات خطای آن 5./.است . شبکه عصبی در نرم افزار مطلب یک شبکه سه لایه است که لایه پنهان آن دارای 4 نرون می باشد و مجموع مربعات خطای آن 1../.است بطور کلی پس از تنظیم پارامترهای شبکه کار باشبکه وقت زیادی نخواهد گرفت .بعد از طی مراحل بالا پارامترهای پتروفیزیکی و لاگ با دقث مطلوبی محاسبه شدند.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...

متن کامل

پیش‌بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی

مدل‏های مفهومی ‌بر مبنای هوش مصنوعی، اغلب برای پیش‌بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش‌بینی‌ها1 (ESP) و تفکیک مدل‏سازی برای متغیرهای اقلیمی‌و هیدرولوژیکی، از مدل‏های مفهومی ‌برای پیش‌بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می‌شود. سیستم استنتاج فازی برای پیش‌بینی بار...

متن کامل

تخمین نسبت باربری کالیفرنیا خاک های مردابی بهسازی شده با استفاده از شبکه عصبی مصنوعی

امروزه استفاده از روش اختلاط عمیق برای بهبود روسازی جاده ها گسترش یافته است. یکی از مهمترین اهداف این روش ، افزایش ضریب باربری کالیفرنیا و کاهش نشست روسازی می باشد. در سال های اخیر، مدلسازی به وسیله هوش محاسباتی، جایگاه ویژه ای در مهندسی عمران پیدا کرده است وتخمین رفتار و فرایند مقاوم سازی که با پیچیدگی های فراوانی روبه رو بوده، تا حدودی به کمک این روش ها میسر شده است. هدف اصلی این تحقیق، ساخت ...

متن کامل

تخمین پارامترهای شتاب، سرعت و جابجایی ماکزیمم زمین با استفاده از شبکه عصبی مصنوعی

به منظور انجام تحلیل‏های دینامیکی و همچنین تعیین میزان خطرپذیری در هر منطقه بایستی بتوان پارامترهای زمین‌لرزه‌ احتمالی آن منطقه را تخمین زد. در این مقاله تلاش خواهد شد با استفاده از شبکه عصبی مصنوعی مقادیر شتاب، سرعت و جابجایی ماکزیمم زمین تخمین زده شود. بدین منظور از شبکه‏ها‏ی عصبی به عنوان یکی از روش‏ها و تکنیک‏های کاربردی هوش مصنوعی در ارائه یک روش محاسباتی ساده‏تر برای حذف تردیدها و عدم قطع...

متن کامل

تطابق بین داده‌های ژئوشیمیایی و پتروفیزیکی با استفاده از شبکه عصبی مصنوعی و آنالیز خوشه‌ای در میدان نفتی آزادگان

یکی از پارامترهای مهم ژئوشیمیایی، مقدار کربن آلی کل (TOC) است که جهت ارزیابی پتانسیل هیدروکربن‌زایی سنگ منشأ استفاده می‌شود. اندازه‌گیری این پارامتر مهم مستلزم انجام آزمایش‌های ژئوشیمیایی بر روی خرده‌های حفاری است که بسیار پرهزینه و وقت‌گیراند و برای تعداد محدودی نمونه انجام می‌شوند. در حالی که در اکثر چاه‌‎های حفاری‌شده در یک میدان نفتی داده‌های پتروفیزیکی در اختیار است. در این مطالعه از فناور...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تهران - دانشکده علوم

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023