طراحی شبکه عصبی مصنوعی برای پیشبینی تخلخل مخزن آسماری در میدان گچساران با استفاده از دادههای چاه پیمایی و تخلخل مغزه

Authors

امین امینی

کارشناس ارشد زمین شناسی نفت، دانشگاه آزاد اسلامی واحد گچساران، باشگاه پژوهشگران جوان عبدالرسول پورانفر

دانشجوی دکتری مهندسی شیمی، گروه مهندسی شیمی، دانشگاه آزاد اسلامی، واحد گچساران مهدی ایمانی

دانشجوی کارشناسی، گروه مهندسی نفت، دانشگاه آزاد اسلامی، واحد گچساران

abstract

تعیین تخلخل مخزن، به عنوان یکی از مهم ترین پارامترهای پتروفیزیکی، نقش مهمی در صنایع بالادستی نفت ایفـا مـی نمایـد. یکـی ازروش های نوین مورد استفاده در مدلسازی و تخمین تخلخل، طراحی شبکه های عصبی مصنوعی است که برای پـیش بینـی پارامترهـایپتروفیزیکی به کار می رود. شبکه عصبی مصنوعی، روشی محاسبه ایست که برگرفته از علم زیست شناسی بوده و ابزاری قوی برای حلمشکلات فراروی صنعت نفت محسوب می گردد.در این مطالعه، برای مخزن آسماری در میدان گچساران، راه حلی بر اساس شبکه های عصبی مصنوعی پیشنهاد شده کـه توسـط آن مـیتوان تخلخل را با استفاده از داده های نمودارهای چاه پیمایی متداول )نوترون، صوتی، چگالی، گامـا و مقاومـت(، تـا حـد بسـیار خـوبیتخمین زد و در نهایت نشان داده شده که کاربرد شبکه های عصبی مصنوعی، هزینه ها را کاهش می دهد و به اقتصادی بودن مطالعـه هـاکمک می کند.با مقایسه تخلخل حاصل از مغزه و نتایج به دست آمده از شبکه، ضریب انطباق 95درصد حاصل گردید که نتیجه قابل قبـولی محسـوبمی شود و نشان می دهد شبکه های عصبی مصنوعی، می توانند با اطمینان قابل قبولی برای تخمین تخلخل مورد استفاده قرار گیرند

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

برآورد تخلخل از داده‌های لرزه‌ای با استفاده از مدل‌سازی فیزیک سنگ در مخزن آسماری میدان منصوری

هدف نهایی متخصصان ژئوفیزیک مخزن، تعیین خصوصیات مخزنی، نظیر سنگ‌شناسی و تخلخل و شرایط آن، نظیر فشار و نحوه توزیع سیال با استفاده از داده‌های لرزه‌ای است. برای دستیابی به این هدف می‌توان مدل‌های فیزیک سنگ را بر حجم خصوصیات کشسانی به‌دست آمده از داده‌های لرزه‌ای اعمال کرد. اساس مدل‌های فیزیک سنگ، تعیین خصوصیات کشسانی و مخزنی در شرایط یکسان به لحاظ زمین‌شناسی و با استفاده از آزمایش‌های کنترل شده اس...

full text

ارزیابی گونه‌های سنگ مخزن آسماری میدان گچساران با استفاده از روش آنالیز خوشه‌ای به کمک شبکه عصبی مصنوعی نگاشت خود سازمان یافته (SOM)

شناسایی تغییرات ویژگی‌های زمین‌شناسی و مخزنی در غالب گونه‌های سنگی از طریق مشخص کردن رخساره‌های لاگ و تایید آنها با داده‌های مغزه امکان‌پذیر است. در این مقاله ابتدا سازند آسماری با استفاده از مقاطع نازک مغزه، میکروفاسیس‌ها و فرایندهای دیاژنزی مورد مطالعه قرار گرفت. سپس با استفاده از الگوریتم شبکه عصبی خود سازمان یافته و روش آنالیز خوشه‌ای، داده‌های نمودارهای چاه‌پیمایی متعلق به 5 چاه مغزه‌گیری ...

full text

تخمین تخلخل در یک مخزن هیدروکربوری با استفاده از ترکیب الگوریتم شبیه ساز تبرید و شبکه عصبی مصنوعی- مطالعه موردی

نخلخل یکی از خصوصیات اصلی ذخایر هیدروکربوری است که نشان دهنده حجم سیال منفذی و قابلیت حرکت کردن آن است. تعیین تخلخل توسط روش‌هایی مانند آنالیز مغزه مستلزم صرف زمان و هزینه گزافی می‌باشد و همچنین به علت نبود مغزه‌های کافی و تغییرات سنگ‌شناسی و ناهمگنی سنگ مخزن،‌ تعیین این پارامتر توسط روش‌های معمول از دقت چندانی برخوردار نمی‌باشد. روش‌های هوش محاسباتی از روش‌های جدید، کم هزینه و دقیقی هستند که م...

full text

تعیین سیستم تخلخل سه گانه در یک مخزن کربناته با استفاده از لاگ تصویرگر و لاگ های چاه پیمایی

عموماً در مخازن کربناته تخلخل حفره ای و شکستگی ها گسترش وسیعی دارند. وجود همزمان این دو نوع تخلخل به همراه تخلخل اولیه در مخازن کربناته باعث شکل گیری یک سیستم تخلخل سه گانه پیچیده می شود. شناخت صحیح از وضعیت تخلخل در مخازن کربناته هتروژن برای ارزیابی پتروفیزیکی و شبیه سازی دینامیک این مخازن حیاتی می باشد. لاگ تصویرگر دسته ای از لاگ های مدرن چاه پیمایی است که تصویر مجازی و جهت دار با قدرت تفکیک ب...

full text

My Resources

Save resource for easier access later


Journal title:
فصلنامه زمین شناسی محیط زیست

جلد ۵، شماره ۱۷، صفحات ۱۰۷-۱۰۷

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023