تخمین تخلخل در یک مخزن هیدروکربوری با استفاده از ترکیب الگوریتم شبیه ساز تبرید و شبکه عصبی مصنوعی- مطالعه موردی
نویسندگان
چکیده مقاله:
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.
منابع مشابه
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...
متن کاملتخمین 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...
متن کاملبرآورد 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...
متن کاملارزیابی پتروفیزیکی مخزن هیدروکربوری با استفاده از داده های چاه نگاری و تکنیک شبکه عصبی مصنوعی
متن کامل
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...
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 8 شماره 30
صفحات 48- 58
تاریخ انتشار 2019-09-23
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