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

Authors

  • اسداله محبوبی گروه زمین‌شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، ایران
  • محمد خانه باد گروه زمین‌شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، ایران
  • مهدی فرشی گروه زمین‌شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، ایران
Abstract:

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 شده مخزن آسماری در میدان گچساران خوشه‌بندی شده و تعداد 5 رخساره لاگ به عنوان مدل رخساره لاگ انتخاب شدند. با بررسی این مدل و مقایسه آن با داده‌های مغزه (تخلخل، تراوایی و منحنی فشار موئینه) و پتروگرافی به طور قابل قبولی رخساره‌های لاگ تایید شده، و به عنوان گونه سنگی معرفی شدند. باتوجه به نتیجه خوب آن در تفکیک بخش‌های مخزنی، این مدل به سایر چاه‌های فاقد مغزه که فقط داده‌های نمودارهای چاه پیمایی آنها در دسترس بود انتشار داده شد و روند تغییرات گونه‌های سنگ در طول میدان مورد بررسی قرار گرفت.  

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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

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 مطا...

full text

پویاسازی خوشه بندی مشتریان با استفاده از روش DEA-DA در بستر شبکه عصبی مصنوعی SOM

چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدا...

full text

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

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 مطا...

full text

پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده

سقوط بازار پدیده­ای است که سبب از دست رفتن ثروت و دارایی سرمایه‎گذاران در بازۀ زمانی نسبتاً کوتاهی می­شود، از این رو تلاش برای پیش­بینی آن از اهمیت زیادی برای سرمایه­گذاران، سیاست‎گذاران، نهادهای مالی و دولت برخوردار است. بررسی اجمالی تئوری­ها و مدل‎های ارائه‎شدۀ پیش­بینی سقوط در بازار سهام نشان می­دهد میان پژوهشگران دربارۀ الگوهای مشاهده‎شدۀ متغیرها، مانند حجم معامله، بازده‎ها، نوسان‎پذیری، عوا...

full text

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

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 26  issue 6-95

pages  4- 15

publication date 2018-02-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023