استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن
نویسنده
چکیده مقاله:
Accurate estimation of hydrocarbon volume in a reservoir is important due to future development and investment on that reservoir. Estimation of Oil and Gas reservoirs continues from exploration to end of reservoir time life and is usual upstream engineer’s involvements. In this study we tried to make reservoir properties models (porosity and water saturation) and estimate reservoir volume hydrocarbon based on artificial neural network tools, petrophysical and geophysical data. So with gridding the reserve, separate it to same volume cells. Based on porosity and lithology variation in wells, constructed petrophysical zonation in each well and by correlation these zones in wells reservoir has been zoned. Porosity, water saturation and 3D seismic data have been averaged in cells and assigned one value for each cell. At final a three layer perceptron neural network by back propagation error algorithm has been designed and trained by using cells which had petrophysical data; then these parameters have been estimated in other cells and original hydrocarbon in place calculated and compared with results from Mont Carlo method.
منابع مشابه
استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن
تخمین دقیق حجم هیدروکربن در یک مخزن، اهمیت به سزایی دارد چرا که پایه و اساس طرح‌های توسعه ای آینده مخزن و میزان سرمایه‌گذاری‌ها را توجیه می‌کند. بنابراین برای مهندسان و کارشناسان صنایع بالا دستی برآورد حجم مخازن نفتی و گازی از دغدغه‌های همیشگی است که از زمان اکتشاف شروع و تا اتمام ذخیره قابل برداشت ادامه دارد. در این مطالعه سعی شده است تا با ابزار شبکه‌های عصبی و استفاده از داده های ژئوفیزیکی ...
متن کاملبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
متن کاملعملکرد شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی در برآورد غلظت ازن در شهر تهران
در سال‌های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان میشود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده‌هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 43 شماره 3
صفحات 271- 281
تاریخ انتشار 2013-04-28
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023