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

Authors

Abstract:

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 می‌توانند با استفاده از داده‌‌های چاه‌نگاری، تخلخل مخزن را در کمترین زمان ممکن بصورت غیرمستقیم تخمین بزنند. لذا در این مطالعه با استفاده از چاه نگارهای مختلف و یک روش ترکیبی هوش محاسباتی (شبکه عصبی مصنوعی بهینه شده با الگوریتم شبیه‌ساز تبرید) تخلخل را در یکی از مخازن هیدروکربوری جنوب غربی ایران (میدان مارون) بصورت غیرمستقیم تخمین زده شده است. جهت بکارگیری این روش ترکیبی هوش محاسباتی پایگاه داده متشکل از 1356 داده‌ی چاه‌نگاری، شامل وزن مخصوص، تخلخل نوترون، لاگ مقاومت ویژه الکترومغناطیسی، لاگ پرتو گاما و لاگ صوتی می‌باشد. نتایج مدلسازی این تحقیق نشان می‌دهد که روش ترکیبی هوش محاسباتی مذکور برای تخمین غیر مستقیم تخلخل در مخازنی که تخلخل از طریق مغزه‌ اندازه‌گیری نشده دارای دقت و قابلیت بالایی است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم های چند شبکه ای

در این مقاله سیستم های چندشبکه ای به منظور کاهش خطا و افزایش دقت نتایج حاصل از روش شبکه عصبی مصنوعی پیشنهاد شده است. در این سیستم ها نتایج چندین شبکه که به طور منفرد و مجزا آموزش دیده اند، به روشی مناسب با هم ترکیب می شود. در این مطالعه تخلخل مؤثر یکی از مخازن هیدروکربوری میدان عظیم پارس جنوبی با استفاده از سیستم های چندشبکه ای برآورد شده است. از شبکه های عصبی مصنوعی پس انتشار خطا که به روش اعت...

full text

تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستم‌های چند شبکه‌ای

در این مقاله سیستم‌های چندشبکه‌ای به منظور کاهش خطا و افزایش دقت نتایج حاصل از روش شبکه عصبی مصنوعی پیشنهاد شده است. در این سیستم‌ها نتایج چندین شبکه که به طور منفرد و مجزا آموزش دیده‌اند، به روشی مناسب با هم ترکیب می‌شود. در این مطالعه تخلخل مؤثر یکی از مخازن هیدروکربوری میدان عظیم پارس جنوبی با استفاده از سیستم‌های چندشبکه‌ای برآورد شده است. از شبکه‌های عصبی مصنوعی پس انتشار خطا که به روش اعت...

full text

برآورد تخلخل سنگ مخزن با استفاده از ترکیب آنسامبلی خطی شبکه‌های عصبی مصنوعی منفرد براساس روش‌های تحلیلی و الگوریتم ژنتیک

ترکیب آنسامبلی شبکه‌های عصبی مصنوعی نوعی از ماشین کمیته‌ای با ساختار موازی است که خروجی شبکه‌های منفرد را با هدف تلفیق اطلاعات حاصل از هریک از آنها و در نتیجه دست‌یابی به نتیجه بهتر ترکیب می‌کند. در این تحقیق از ترکیب آنسامبلی شبکه‌های عصبی مصنوعی منفرد به منظور برآورد تخلخل مؤثر سنگ مخزن گازی کنگان در میدان عظیم هیدروکربوری پارس جنوبی استفاده شده است. داده‌های چاه‌نگاری 4 چاه این میدان در بازه...

full text

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...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 8  issue 30

pages  48- 58

publication date 2019-09-23

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