استفاده از شبکه های عصبی مصنوعی در تحلیل داده های چاه آزمائی

پایان نامه
چکیده

مخازن هیدروکربوری محیط هایی بسیار ناهمگن هستند و چنان ساختار پیچیده ای دارند که تخمین مستقیم پارامترهای آنها عملاً امکانپذیر نیست. برای رفع مشکل اخیر و نیز به دست آوردن اطلاعاتی از محیط های متخلخل، برخی روش های غیر مستقیم مانند چاه آزمائی و چاه پیمائی محبوبیت زیادی پیدا کرده اند. در میان روش های غیر مستقیم، تنها چاه آزمائی با داده های دینامیک مرتبط است و بنابراین از اهمیت خاصی برخوردار می باشد. این تکنیک در سال ??37 به عنوان ابزاری کاربردی برای شناخت رفتار واقعی مخزن توسط مهندسین نفت پیشنهاد شد. چاه آزمائی هنوز هم، به عنوان یکی از مهم ترین ابزار های در دسترس برای شناخت این محیط ها محسوب می شود. تعیین مدل مخزن از نمودارهای مشتق فشار، یکی از مراحل مهم و پایه ای در تخمین پارامترهای مخزن از طریق آنالیز داده های چاه آزمائی می باشد. در این مطالعه از شبکه های عصبی مصنوعی، برای شناسائی مدل مخازن نفتی از طریق نمودارهای مشتق فشار استفاده شده است. شبکه های عصبی مصنوعی، مدل های ریاضی هستند که دارای توانایی منحصر به فرد در تخمین پارامتر و شناسایی الگو و ... هستند. هشت مدل مخزن نفتی مختلف که مخازن همگن و تخلخل دو گانه با مرز های مختلف را شامل می شود مورد بررسی قرار گرفته اند. شبکه های عصبی پیشرو و بازگشتی توسط داده های مشتق فشاری که به وسیله ی شبیه سازی با نرم افزار pansystem تولید شده اند آموزش داده شده اند. ساختار بهینه ی شبکه های پیشنهادی با استفاده از روش های حدس و خطا و کمینه کردن میانگین خطای نسبی داده های آموزش و تست تعیین شده است. قابلیت برون یابی شبکه ها در بازه ای خارج از محدوده ی داده های آموزشی و تست بررسی شده است. توانایی شبکه های طراحی شده از طریق داده های دارای نویز، داده های میدانی مورد بررسی قرار گرفته است. دقت شبکه های مختلف به وسیله ی تعدادی پارامتر آماری مانند حساسیت و دقت دسته بندی کلی با هم مقایسه شده است. نتایج حاصل نشان دهنده این مطلب است که مدل های مبتنی بر شبکه های عصبی قادر هستند که مدل واقعی مخزن را از داده های چاه آزمائی شناسایی کنند. شبکه ی عصبی بازگشتی دارای دقتی بیشتر از شبکه ی پیشرو بوده و قابلیت بیشتری را در دسته بندی داده های چاه آزمائی از خود نشان داده است. این شبکه ها دارای دقت دسته بندی کلی 39/98 درصد بوده در حالیکه شبکه ی پیشرو دارای دقت 83/95 می باشند.

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

بررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دسته‌بندی‌شده

بار رسوب جریان، شاخص مفیدی در پیش‌بینی فرسایش خاک در حوزه‌های آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب می‌تواند در مدیریت و اجرای پروژه‌های آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دسته‌بندی داده‌ها به‌عنوان راه‌کاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانه‌های خلیفه‌ترخان و چهل‌گزی در حوضۀ قشلاق...

متن کامل

پیش بینی نفوذپذیری از روی داده های چاه نگاری با استفاده از شبکه های عصبی مصنوعی در یکی از مخازن کربناته جنوب ایران

تخمین نفوذپذیری از روی داده های چاه نگاری، یک مرحلهء اساسی در مهندسی مخزن و ارزیابی سازنده است. تحقیقی که در این جا عرضه می شود، نوعی مدل سازی شبکه های عصبی مصنوعی، به منظور استفاده از نگارهای چاه برای پیش بینی نفوذپذیری، در یکی از مخازن کربناته جنوب ایران است. در این تحقیق دو شبکه پس انتشار سه لایه، برای پیش بینی نفوذپذیری، مورد استفاده قرار گرفت. شبکه او ل، نگارهای نوترون، چگالی، صوتی و پرتو ...

متن کامل

کاربرد شبکه های عصبی مصنوعی(ANN) در تخمین محتوای آبی گیاهان(VWC) با استفاده از داده های فرا‌طیفی

با گسترش سنجش از دور فراطیفی امکان بهره گیری از گروه جدیدی از شاخص های طیفی و مدل‌های آماری، برای تخمین پارامترهای بیو فیزیکی و بیوشیمیایی گیاهان به وجود آمده است. یکی از پارامتر های بیوشیمیایی گیاه، محتوای آبی گیاه (VWC) است که پارامتری مهم در بخش کشاورزی است و می‌تواند در جهت آبیاری صحیح و ارزیابی شرایط خشکسالی مورد استفاده قرار بگیرد. در این تحقیق با استفاده از شبکه های عصبی مصنوعی و داده ها...

متن کامل

پیش بینی دمای کمینه ایستگاه کرج با استفاده از داده های شاخص های پیوند از دور و شبکه عصبی مصنوعی

توجه علمی به مخاطرات محیطی که آسیب پذیری بسیاری از کشورهای دنیا را به دنبال دارد، آغازی نسبتاً تازه دارد. یکی از این خطرها یخبندانها می باشند که سبب زیانهای عظیمی در زمینه های کشاورزی، حمل و نقل، انرژی ، زیست محیطی و غیره شده است. جهت جلوگیری از خطرات ناشی از آنها استفاده از روشهای پیش بینی امکان پیش آگاهی از حداقل دما و رخداد پدیده یخبندان را فراهم ساخته  تا مسئولان در جهت جلوگیری از آن...

متن کامل

تخمین پارامترهای مخزنی با استفاده از داده های چاه پیمایی و بهره گیری از ترکیب شبکه عصبی مصنوعی و الگوریتم بهینه سازی ازدحام ذرات

پارامترهای ژئومکانیکی و پتروفیزیکی مخزن همانند سرعت موج برشی، تخلخل و تراوایی از جمله پارامترهای مهمی هستند که در شبیه‌سازی مخازن هیدروکربوری و استراتژی‌های اکتشافی نقش موثری ایفا می کنند. اخیراً روش‌های هوش مصنوعی به‌منظور پیش‌بینی این پارامترها با استفاده از داده‌های چاه پیمایی به‌کاربرده شده‌اند. بااین‌حال پیش‌بینی ویژگی‌های مخازن ناهمگن همواره با دشوارهای بسیاری همراه است و به‌سختی پاسخ مناس...

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 شیراز

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023