ابراهیم سفیداری
دانشکده زمین‌شناسی، پردیس علوم، دانشگاه تهران، ایران|گروه زمین‌شناسی نفت، پژوهشکده علوم کاربردی جهاد دانشگاهی، واحد دانشگاه شهید بهشتی، تهران، ایران
[ 1 ] - تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمانده و ماشین بردار پشتیبان
شبکة منفذی کنترل‌کنندة رفتار سیالات در سنگ مخزن است. در مخازن کربناته بهدلیل عدمتبعیت خصوصیات جریان سیال از بافت رسوبی اولیه، ویژگی‌های شبکه منفذی باید مستقیما در فرآیند تعیین رخساره استفاده شوند تا بتوان شرایط واقعی مخزن را تحلیل کرد. در این مطالعه با استفاده از ترکیب مطالعات پتروگرافی، پتروفیزیکی و مهندسی مخزن، رخساره‌های منفذی و سنگی در سازندهای کنگان و دالان در میدان گازی پارس جنوبی مطالع...
[ 2 ] - مدل‌سازی گروه‌های رخساره‌ای بر اساس داده‌های زمین‌شناسی و پتروفیزیکی (لاگ‌های چاه‌پیمایی) در میدان گازی پارس جنوبی
سازندهای دالان بالایی، مجموعه‌ای از ریف‌های کربناته- تبخیری و کنگان، با لیتولوژی غالب آهک و دولومیت با لایه‌هایی از انیدریت، توالی پرمو- تریاس میدان گازی پارس جنوبی هستند که در محدوده دور از ساحل آب‌های خلیج فارس و بین دو کشور ایران و قطر قرار دارند. هندسه و گسترش رخساره‌های پرانرژی (شول) عامل اصلی گسترش کیفیت مخزنی میدان است که این عامل هم تحت کنترل محیط رسوبی می‌باشد. این مطالعه به بررسی رخسا...
[ 3 ] - مقایسه روش‌های شبکه عصبی خود سازنده و آنالیز خوشه‌ای برای ارزیابی مقدار کربن آلی در سازندهای محتوی هیدروکربن با استفاده از سیستم‌های هوشمند
محتوای کل کربن آلی یکی از پارامترهای مهم جهت ارزیابی ژئوشیمیایی لایه‌های تولید کننده نفت و گاز است. در این مطالعه، طی دو مرحله، محتوای کربن آلی در سازندهای هیدروکربندار با استفاده از داده‌های لاگ ارزیابی شده است. در مرحله اول، داده‌های لاگ به مجموعه‌ای از الکتروفاسیسها تقسیمبندی شدهاند. روش‌های استفاده شده برای شناسایی و خصوصیتبندی الکتروفاسیسها شامل: شبکه‌های عصبی خود سازنده و روش آنالیز...
[ 4 ] - معرفی کاربرد نرم‌افزار SeisART برای تحلیل رخساره‌های لرزه‌ای با استفاده از ترکیب روش‌های هوشمند و دانش مفسر
تحلیل رخساره‌های لرزه‌ای، فنی است برای به نقشه درآوردن خصوصیات و ویژگی‌های زمین‌شناسی با استفاده از اطلاعات لرزه‌ای. برای تحلیل رخساره‌های لرزه‌ای با استفاده از الگوریتم‌های یادگیری ماشین، نشانگرهای لرزه‌ای دسته‌بندی می‌شوند. این دسته‌بندی به شناسایی رخساره‌های مختلف درون مقاطع یا افق‌های لرزه‌ای می‌انجامد.. به دلیل ماهیت داده‌های لرزه‌ای، که همواره درجه‌ای از عدم قطعیت دارند، تنوع نشانگرهای ل...