بکار گیری شبکه های عصبی- فازی برای تهیه نمودار نفوذپذیری با استفاده از داده های چاه پیمایی و مغزه یکی از مخازن گازی زاگرس جنوبی

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده معدن و ژئوفیزیک
  • نویسنده رضا کرمی
  • استاد راهنما علی مرادزاده
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1390
چکیده

نفوذپذیری یکی از خواص بسیار مهم مخازن نفت می باشد که قابلیت نفوذ یک سیال مانند نفت، گاز و یا آب را در آن مشخص می کند. دانستن مقادیر صحیح نفوذپذیری به منزله یک ابزار موثر، کارآمد و مهم برای مهندسین نفت در امر فرآیند تولید و مدیریت یک میدان می باشد. برای تعیین نفوذپذیری سنگ مخزن دو روش مستقیم و غیر مستقیم وجود دارد. روش مستقیم عبارت از مغزه گیری و انجام آزمایشات روی آن و تعیین نفوذپذیری و یا آزمایش چاه می باشد که روش های پر هزینه و وقت گیری هستند. روش غیر مستقیم اندازه گیری نفوذپذیری به وسیله نگارهای چاه از طریق فرمولهای تجربی و روش های جدید هوش مصنوعی است. فرمولهای تجربی به علت طبیعت بسیار پیچیده مساله دقیق و قابل اعتماد نیستند. هدف این مطالعه استفاده از قابلیت سیستم های هوشمند برای تعیین نفوذپذیری، در میدان گازی سرخون از روی داده های موجود(نگارها و داده های مغزه) می باشد. در این راستا پس از بررسی مبانی نظری مربوط به نفوذپذیری، نگارهای چاه و سیستم های هوشمند ، نفوذپذیری افقی و قائم سازند جهرم در سه چاه میدان گازی سرخون با استفاده از سه شبکه عصبی مصنوعی یعنی شبکه پس انتشار به روش توقف سریع، شبکه پس انتشار به روش منظم سازی و شبکه عصبی شعاعی رگرسیون عمومی و همچنین سیستم فازی و شبکه عصبی_فازی تطبیقی تخمین زده شد. با توجه به نتایج حاصل، همبستگی بین داده های پیش بینی و داده های مغزه برای دو سری داده آموزش و تست در روش توقف سریع به ترتیب برابر با 913/0و 894/0، در روش منظم سازی برابر با 979/0 و 886/0، در شبکه شعاعی برابر 910/0 و 896/0 ، در سیستم فازی 919 /0 و 906/0 و در شبکه عصبی_فازی تطبیقی 927/0 و 909/0 حاصل گردید. نتایج بدست آمده نشان می دهند که مدل های مذکور به خوبی قادر به تخمین مقادیر نفوذپذیری در تمام قسمت های مخزن مورد مطالعه بوده و شبکه عصبی_ فازی تطبیقی دقت و قابلیت تعمیم بیشتری نسبت به دیگر مدل ها در پیش بینی نفوذپذیری دارد. برای افزایش دقت در تخمین نفوذپذیری از ماشین کمیته مبتنی بر میانگین گیری استفاده شد این روش باعث شد تا ضریب همبستگی در مرحله تست به 930/0 برسد.

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

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

مقایسه تخلخل و تراوایی بدست آمده از نمودار nmr و مغزه در یکی از چاه های میدان گازی پارس جنوبی

توصیف پارامترهای مخزنی از اهداف اصلی جهت توسعه مخازن می باشد. از میان این پارامترها ارزیابی تخلخل و تراوایی از اهمیت خاصی برخوردار است. به علت بالا بودن هزینه های عملیات، در بیشتر موارد مغزه گیری از برنامه کاری حذف می گردد. بنابراین بایستی اطلاعات نمودارهای چاه پیمایی را بهینه سازی کرد، تا نتایج مشابه با نتایج مغزه فراهم گردد. یکی از ابزارهای نمودارگیری جدیدی که اخیراً مورد توجه واقع شده است، اب...

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

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

برآورد نفوذپذیری میدان گازی پارس جنوبی با استفاده از شبکه عصبی رگرسیون عمومی

نفوذپذیری یکی از ویژگی‌‌های بسیار مهم مخازن نفتی است که قابلیت انتقال یک شاره مانند نفت، گاز و یا آب را درفضاهای خالی موجود در سنگ مخزن نشان می‌‌دهد. تعیین نفوذپذیری در فرایندهایی چون برآورد ذخیره، تولید و توسعه مخازن نفتی، جایگاه خاصی دارد. در صنعت نفت معمولاً روش استاندارد برای تعیین نفوذپذیری، آنالیز مغزه و آزمایش چاه است. این روش‌ها بسیار پُرهزینه‌اند. از طرفی همه چاه‌‌های یک میدان دارای مغزه...

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 صنعتی شاهرود - دانشکده معدن و ژئوفیزیک

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023