مدل سازی مکانی مناطق اکتشاف نفتی با سیستم استنتاج فازی عصبی تطبیقی (anfis) در gis
Authors
abstract
فرآیند اکتشاف منابع هیدروکربنی فرآیندی بسیار پیچیده و پرهزینه می باشد. در این فرایند فاکتورهای متعدد زمین شناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق می شوند. طراحی بهترین مسیر برای برداشت داده های لرزه نگاری و همچنین تعیین بهترین محل برای حفر چاه های اکتشافی از اهمیت ویژه ایی برخوردار است، زیرا عدم دقت در انتخاب موقعیت مکانی، صرف هزینه و زمان زیاد در طول عملیات می باشد. هدف این تحقیق تعیین مناطق محتمل نفت و گاز در برگه 1:250000 اهواز با 20 میدان نفتی به منظور کاهش زمان و هزینه اکتشاف و تولید است بدین منظور 17 نقشه ی فاکتور شامل : کمترین و بیشترین مقدار (غنای کربن آلی (toc)، بازده پتانسیل برای تولید هیدرو کربن (pp)، پیک دمایی tmax، شاخص تولید (pi)، اندیس اکسیژن (oi)، اندیس هیدروژن (hi))و داده های مجاورت به مناطق دارای آنومالی باقیمانده ثقل بوگه بالا، محور طاقدی ها و گسل ها، نقشه ی ناهمواری و انحنای حاصل از منحنی های زیر سطحی سازند آسماری توسط توابع gis ایجاد شدند. برای ترکیب نقشه های فاکتور، از سیستم استنتاج فازی عصبی تطبیقی که از روش های داده مبنا می باشد، استفاده شد. نتایج حاصل از مدل سازی با داده های آزمون نشان داد که مدل مذکور با شاخص کاپای 859/0، همبستگی 839/0 و متوسط ریشه مربع خطا برابر با 0399/0 توانسته است با دقت بالایی میدان های نفتی را پیش بینی کند، هرچند میدان های از قبیل شاور و سپهر شناسایی نشده و برخی قسمتها نیز به اشتباه، مناطق نفتی پیش بینی شده اند.
similar resources
مدلسازی مکانی مناطق اکتشاف نفتی با سیستم استنتاج فازی عصبی تطبیقی (ANFIS) در GIS
فرآیند اکتشاف منابع هیدروکربنی فرآیندی بسیار پیچیده و پرهزینه میباشد. در این فرایند فاکتورهای متعدد زمینشناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق میشوند. طراحی بهترین مسیر برای برداشت دادههای لرزهنگاری و همچنین تعیین بهترین محل برای حفر چاههای اکتشافی از اهمیت ویژهایی برخوردار است، زیرا عدم دقت در انتخاب موقعیت مکانی، صرف هزینه و زمان زیاد در طول عملیات میباشد. هدف این تحقیق تعیین م...
full textمدل سازی فرایند لجن فعال با روش ترکیبی سیستم استنتاج فازی عصبی تطبیقی
در این مطالعه، از سامانه استنتاج فازی-عصبی تطبیقی برای مدلسازی فرایند تصفیه فاضلاب لجن فعال پتروشیمی مبین استفاده شد. این مدل برای پیشبینی غلظت اکسیژن مورد نیاز شیمیایی خروجی مورد استفاده قرار گرفت و ضریب همبستگی بین پارامترهای ورودی و کیفیت جریان خروجی محاسبه شد. پارامتر ورودی با بیشترین تأثیر بر کیفیت جریان خروجی تعیین شد و بر اساس آن، سه ساختار فازی- عصبی تطبیقی مستقل با تعداد پارامترهای گ...
full textمدلسازی بارش- رواناب با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) و رگرسیون خطی چندمتغیره (MLR)
در این پژوهش، کارآیی سیستم فازی- عصبی برای برآورد رواناب ناحیه کوهستانی حوضه هراز مورد ارزیابی قرار گرفت. هدف ایجاد مدلی با توابع و درجه عضویت مناسب است که بتواند رابطه بارندگی- رواناب را در یک حوضه بهدرستی برقرار کند. بدین منظور برای پیشبینی رواناب، 44 ترکیب مختلف از پارامترهای بارندگی، دما، تبخیر، دبی جریان و شاخص بارش پیشین با تأخیر زمانی بین آنها بهصورت روزانه طی دوره 32 سال آماری وارد م...
full textبررسی امکان کاربرد سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) در برآورد بار رسوب معلق بابلرود
Sediment load estimation is one of the most important issues in rivers & dam reservoirs management and generally in water projects. Various empirical equations show that proper analytical or empirical method is not suggested for correct estimation of suspended sediment, yet. In the present study, to assessment of closer estimation to actual data of transported sediment in Ghoran Talar station l...
full textطراحی مدل پیشبینی و ارزیابی ظرفیت نوآوری شرکتهای دانشبنیان با رویکرد استنتاج فازی عصبی- تطبیقی(ANFIS)
ارزیابی ظرفیت نوآوری شرکتهای دانش بنیان و پیشبینی میزان ظرفیت نوآوری آنها برای این شرکتها بسیار حائز اهمیت است و تصمیم در خصوص انتقال یا بسط فناوری شرکت تابع میزان ظرفیت نوآوری است. هدف اصلی این تحقیق، طراحی مدل ارزیابی ظرفیت نوآوری شرکتهای دانش بنیان با رویکرد استنتاج فازی عصبی- تطبیقی است. سیستم استنتاج فازی عصبی - تطبیقی ([1]ANFIS) روش مناسبی برای حل مسائل غیرخطی است. ANFIS ترکیبی...
full textطراحی مدل سیستم استنتاج فازی عصبی - تطبیقی ( ANFIS) برای ارزیابی و پیشبینی سطح مدیریت دانش سازمان با محوریت نوآوری.
در سالهای اخیر مدیریت دانش به یک موضوع مهم و حیاتی در تمامی سازمانها تبدیلشده است. یکی از عوامل مؤثر در ایجاد و گسترش نوآوری، مدیریت دانش است. با نوآوری، برتریهای بلندمدت سازمان در عرصههای رقابتی حفظ شود. ارزیابی و پیشبینی سطح مدیریت دانش برای مدیران بسیار بااهمیت است. در میان روشهای نوین مدلسازی، سیستمهای فازی از جایگاه ویژهای در زمینههای مختلف علوم برخوردارند. این پژوهش از نظر هدف،...
full textMy Resources
Save resource for easier access later
Journal title:
مهندسی فناوری اطلاعات مکانیجلد ۴، شماره ۱، صفحات ۳۹-۵۹
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023