پیاده سازی الگوریتم بهینه سازی آموزش و یادگیری برای تخمین سرعت امواج برشی از داده های چاه نگاری در دو مطالعه موردی ماسه سنگی و کربناته
Authors
Abstract:
سرعت امواج لرزه ای تراکمی و برشی در کنار داده های پتروفیزیکی اطلاعات ارزشمندی را در مراحل اکتشاف و توسعه میادین نفتی فراهم میکنند. برخلاف سرعت امواج تراکمی که در اکثر مواقع توسط ابزار نمودارگیری سونیک اندازهگیری میشود، نمودار سرعت امواج برشی به علت هزینهی بالا تنها در تعداد محدودی از چاههای یک میدان برداشت و ثبت میگردد. بنابراین بایستی سرعت این امواج را با استفاده از روشهای دیگری تخمین زد. روابط تجربی متعددی ارائه شده است که سرعت امواج برشی را به پارامترهای پتروفیزیکی و اندازهگیریهای چاه نگاری مربوط میکنند که معمولاً کارائی موردی دارند. یکی از روشهای کارآمد برای پیش بینی سرعت امواج برشی، استفاده از سیستمهای هوشمند است. در این مقاله علاوه بر استفاده از روش تجربی گرینبرگ-کاستاگنا، از الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری برای ساخت یک مدل خطی و یک مدل غیرخطی برای پیش بینی سرعت امواج برشی در یک سازند مخزنی ماسهسنگی در یکی از میادین فراساحلی واقع در استرالیای غربی و یک سازند مخزنی کربناته در یکی از میادین خشکی واقع در جنوب غرب ایران استفاده شده است. مقدار خطا و ضریب همبستگی نتایج به دست آمده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری نشان دهنده کارائی مطلوب این الگوریتم است. نتایج مدل خطی و غیر خطی ساخته شده به هم نزدیک است با این تفاوت که مدل خطی در مدت زمان کمتری اجرا میشود. مدل خطی این الگوریتم با خطای 3/2 درصدی و ضریب همبستگی 82/0 در سازند ماسه سنگی و خطای 3/3 درصدی و ضریب همبستگی 95/0 در سازند کربناته، عملکرد مناسبی در هر دو مطالعه موردی داشته و میتواند به عنوان روشی کارآمد برای تخمین سرعت موج برشی استفاده گردد.
similar resources
بهینه سازی اجتماع ذرات به منظور تخمین سرعت موج برشی از داده های چاه پیمایی
بر پایه ی مطالعات گسترده ای که تاکنون صورت گرفته است، بدون تردید، سرعت موج برشی نقشی اساسی را در ارزیابی مخازن هیدروکربوری ایفا می نماید. بهره گیری از اطلاعات سرعت موج برشی، غالباً این امکان را فراهم می سازد که بتوان اثرات لرزه ای پارامترهایی چون سنگ شناسی، نوع سیال منفذی و فشار منفذی را شناسایی کرد. امّا متأسفانه داده های سرعت موج برشی در بسیاری از میادین موجود نیستند و تخمین آنها به روش...
full textکاربرد روش بهینه سازی کلونی مصنوعی زنبور عسل در تخمین خواص فیزیک سنگی مخازن هیدروکربنی
پیش بینی عملکرد و توسعه ی هر چه دقیق تر مخازن نفتی، در گروِ داشتن اطلاعات کافی از خواص آنها است. امروزه سعی می-شود با سنجش برخی خواص که اندازه گیری مستقیم آنها آسان تر، کم هزینه تر و دقیق تر است و سپس به کارگیری روش های غیرمستقیم، فرآیند بهینه در جمع آوری داده های خواص مخزن پیموده و همزمان از عدم قطعیت ها کاسته شود. از روش های غیر مستقیم رایج می توان به روابط تجربی و الگوریتم های بهینه سازی اشار...
full textتخمین 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 textبهینه سازی سبد پروژه با اثر متقابل با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (TLBO)
امروزه سازمانها با انبوهی از پروژهها و فرصتهای سرمایهگذاری مواجهاند. با وجود ضرورت توجه به معیارهای مختلف، پیچیدگی مدلهای چندهدفه در کنار ضعف ابزارهای بهینهسازی در حل این مدلها، مدیران را مجبور ساخته تا معیارهای انتخاب را محدودتر کرده و اغلب به معیارهای مالی اکتفا کنند. در این مقاله با بهرهگیری از الگوریتمی کارا مبتنی بر فرایند آموزش و یادگیری علاوهبر معیارهای مالی، عواملی همچون توانا...
full textبهینه سازی وزن خرپای فولادی توسط الگوریتم بهینه سازی مبتنی بر آموزش یادگیری
مرور اجمالی ضوابط طراحیهای مهندسی نشانگر این مهم است که موضوع اقتصاد و هزینه ساخت سازهها از محورهای اصلی این ضوابط است. در دهههای اخیر استفاده از الگوریتمهای بهینه سازی برای دستیابی به محاسبات بهینه به علوم مهندسی ورود کرده است. الگوریتمهای بهینه سازی و در راس آنها الگوریتمهای مبتنی بر پدیدههای بر گرفته از طبیعت، کارایی خوبی در محاسبه بهینه سازهها از خود نشان دادهاند. خرپاها از جمله ...
full textMy Resources
Journal title
volume 1 issue 2
pages 86- 99
publication date 2017-12-22
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