طبقه‌بندی رخساره‌‌های سنگی با استفاده از چاه‌نگاری و بررسی تاثیر نگار صوتی بر آن به کمک شبکه عصبی مصنوعی در یکی از مخازن هیدروکربوری

Authors

  • محمد امین دزفولیان دانشگاه آزاد اسلامی، ‌واحد علوم و تحقیقات تهران، ایران
  • یوسف بیرقدار مؤسسه ژئوفیزیک دانشگاه تهران، ایران
Abstract:

یک مخزن هیدروکربوری، از سنگ‌‌‌های رسوبی لایه‌‌ای تشکیل شده است که در طی یک دوران طولانی رسوب‌گذاری شده و با گذشت میلیون‌‌‌ها سال تحولات دیاژنزی، دچار تغییرات ساختاری شد‌ه‌اند. این فرایند‌ها، با تغییرات دائمی‌خواص فیزیکی مخزن در طول دوران‌‌های زمین‌شناسی همراه هستند. شناخت رخساره یکی از مهم‌ترین این خواص است که به مهندسان نفت توانایی طراحی و مدیریت مؤثر برای شناخت دقیق‌‌تر و توسعه میدان‌‌‌های نفت و گاز را می‌دهد. این مقاله، به طبقه‌بندی رخساره‌‌های سنگی (Lithofacies) سنگ مخزن هیدروکربوری با به‌‌کارگیری فن شبکه عصبی مصنوعی با الگوریتم پس‌انتشار خطا(BP) و الگوریتم آموزش لونبرگ- مارکوآرت از روی داده‌‌‌های نگار‌های پرتوگاما، چگالی، نوترون، صوتی و اثر فتوالکتریک (PEF) می‌پردازد. همچنین، میزان تاثیر نگار صوتی در برآورد رخساره‌‌ها نیز در اینجا  ارزیابی شده است. با توجه به اینکه تعیین رخساره سنگ مخزن با آزمایش‌‌های مغزه پرهزینه است با به‌‌کارگیری روش می‌توان هزینه‌‌‌های مربوط به شناسایی رخساره را از راه کاهش نیاز به عملیات مغزه‌گیری، تقلیل داد. داده‌‌‌های مربوط به چهار چاه در یکی از مخازن هیدروکربوری مورد استفاره قرار گرفت، به این صورت که شبکه، ابتدا در یکی از چاه‌‌‌های مخزن که دارای آنالیز مغزه بود، آموزش داده شد و در چاه دیگری که داده‌‌‌های آن در آموزش شبکه سهمی‌نداشت، آزمایش شد و پس از حصول اطمینان از کارآیی آن، از شبکه به‌منظور  برآورد رخساره‌‌‌ها در2 چاه دیگر(چاه A1 و A2 استفاده شد. مقدار MSE این روش درصورتی‌‌که فقط از نگار‌های پرتوگاما، چگالی، نوترون و اثر فتوالکتریک استفاده شود، برای چاه A1، 0.068 و برای چاه A2، 0.074 و درصورتی‌‌که از نگار صوتی نیز به همراه نگار‌های پرتوگاما، چگالی، نوترون و اثر‌‌ فتوالکتریک استفاده شود مقدار MSE به 0.052 برای چاه A1 و 0.060 برای چاه A2 می‌‌رسد، که نشان از بهتر شدن برآورد دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی تأثیر نگار صوتی بر برآورد سنگ‌شناسی توسط نمودارهای حاصل از چاه توسط شبکه عصبی مصنوعی در یکی از مخازن میدان پارس جنوبی

پیشی‌بینی سنگ‌شناسی، مرحله‌ای  اساسی در مهندسی نفت و ارزیابی سازند است. تحقیقی که در اینجا عرضه می‌شود، نوعی مدل‌سازی شبکه‌های عصبی مصنوعی، به منظور استفاده از نگارهای چاه برای برآورد سنگ‌شناسی در یکی از مخازن میدان پارس جنوبی است. در این تحقیق از دو شبکه با روش پس انتشار خطا ((back propagation error; BP  سه لایه و الگوریتم آموزش لونبرگ- مارکوآ...

full text

به‌کارگیری نگار تشدید مغناطیسی هسته‌ای و شبکه عصبی مصنوعی در برآورد تراوایی یکی از مخازن نفت سنگین در جنوب ایران

تراوایی یکی از عامل‌های چالش‌‌برانگیز در مخازن هیدروکربوری است. علت این امر مشکل بودن برآورد تراوایی به‌صورت دقیق و مستقیم از طریق اندازه‌گیری‌های نگاربرداری کنونی است. در این مقاله کاربرد روش تشدید مغناطیسی هسته‌ای (Nuclear Magnetic Resonance) در برآورد تراوایی یکی از مخازن کربناته حاوی نفت سنگین در جنوب ایران بررسی شده است. در محاسبه تراوایی با استفاده از نگار NMR، از سه مدل شاره آزاد (کوتس)...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

به کارگیری نگار تشدید مغناطیسی هسته ای و شبکه عصبی مصنوعی در برآورد تراوایی یکی از مخازن نفت سنگین در جنوب ایران

تراوایی یکی از عامل های چالش برانگیز در مخازن هیدروکربوری است. علت این امر مشکل بودن برآورد تراوایی به صورت دقیق و مستقیم از طریق اندازه گیری های نگاربرداری کنونی است. در این مقاله کاربرد روش تشدید مغناطیسی هسته ای (nuclear magnetic resonance) در برآورد تراوایی یکی از مخازن کربناته حاوی نفت سنگین در جنوب ایران بررسی شده است. در محاسبه تراوایی با استفاده از نگار nmr، از سه مدل شاره آزاد (کوتس)،...

full text

پیش‌بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی

Background: Diabetes ever-increasing prevalence and the heavy burdens of controlling and treatment of the disease on people and the country have turned to be greatest challenges for governmental and healthcare authorities. Therefore, the disease prevention takes top priority and to do so the only possible way is detecting the effective parameters and controlling them. This study is about to for...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 4  issue 1

pages  44- 57

publication date 2010-08-23

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