تخمین تراوایی به کمک شبکه های عصبی و منطق فازی در یک مخزن نفتی ترکدار در جنوب غربی ایران

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده فنی و مهندسی
  • نویسنده حسین کایدانی
  • استاد راهنما علی بقایی
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1389
چکیده

در صنعت نفت تعیین تراوایی سنگ مخزن از مهمترین پارامترها در توصیف و مدل سازی ذخایر نفتی بشمار می رود . به دلیل موجود بودن اطلاعات چاه نگاری در اغلب چاه های نفتی، باید بتوان تراوایی را با روشی ارزان قیمت از روی داده های خام چاه نگاری، با دقت مناسب تخمین زد. هدف اصلی در این پایان نامه، تعیین تراوایی به کمک سیستم های هوشمندی از قبیل شبکه های عصبی و منطق فازی در یکی از مخازن جنوب غرب ایران می باشد. در هنگام طراحی شبکه های عصبی از الگوریتم ژنتیک به منظور یافتن طراحی بهینه شبکه ها استفاده گردید. به منظور دسترسی به خروجی مطلوبتر، دسته بندی داده ها بر اساس ناحیه بندی مخزن انجام پذیرفت و برای هر ناحیه شبکه ای مجزا آموزش داده شد، که منجر به بهبود نتایج حاصل گردید. در هنگام استفاده از سیستم فازی ورودی های موثرتر به منظور جلوگیری از افزایش پارامترهای شبکه انتخاب گردید. پس از آن دسته بندی فازی بر روی داده های ورودی انجام پذیرفت. با مقایسه خروجی سیستم استنتاج فازی با داده های آنالیز مغزه مشخص گردید که نتایج قابل قبولی بدست آمده است.

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

استفاده از شبکه عصبی مرکب (Committee Machine) نظارت شده جهت بهبود الگوریتم شبکه های عصبی در تخمین تراوایی مخازن نفتی

Reservoir permeability is a critical parameter for the evaluation of hydrocarbon reservoirs. There are a lot of well log data related with this parameter. In this study, permeability is predicted using them and a supervised committee machine neural network (SCMNN) which is combined of 30 estimators. All of data were divided in two low and high permeability populations using statistical study. E...

متن کامل

استفاده از شبکه عصبی مرکب (committee machine) نظارت شده جهت بهبود الگوریتم شبکه های عصبی در تخمین تراوایی مخازن نفتی

reservoir permeability is a critical parameter for the evaluation of hydrocarbon reservoirs. there are a lot of well log data related with this parameter. in this study, permeability is predicted using them and a supervised committee machine neural network (scmnn) which is combined of 30 estimators. all of data were divided in two low and high permeability populations using statistical study. e...

متن کامل

استفاده از شبکه عصبی مرکب (committee machine) نظارت شده جهت بهبود الگوریتم شبکه های عصبی در تخمین تراوایی مخازن نفتی

reservoir permeability is a critical parameter for the evaluation of hydrocarbon reservoirs. there are a lot of well log data related with this parameter. in this study, permeability is predicted using them and a supervised committee machine neural network (scmnn) which is combined of 30 estimators. all of data were divided in two low and high permeability populations using statistical study. e...

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 شهید باهنر کرمان - دانشکده فنی و مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023