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...

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...

یکی از مهم‌ترین شاخص‌‌ها در پژوهش‌های زمین‌شناسی مخزن، تعیین نوع و مقدار تخلخل‌‌های موجود در سنگ است. در این پژوهش با استفاده از تهیه تصاویر رقومی پیوستۀ 30 نمونه از سازندکنگان، مدل سه‌بعدی تخلخل آن ساخته شده است. لایه‌‌‌برداری بسیار نازک (قطر 200 میکرون) از نمونه‌‌‌های بررسی شده انجام شده و پس از هر مرحله لایه‌برداری از نمونه، تصویر رقومی سطح آن تهیه شد. از آن‌جا که هدف پژوهش بازسازی شبکه تخلخ...

معمولا دو مجموعه از اطلاعات برای مدل­سازی ساختار زمین‌شناسی و ویژگی­های مخزن موجود است. 1- داده­های حاصل از چاه‌نگاری که دارای دقت عمقی مناسب و توزیع مکانی کمی در محدوده میدان هستند و 2- داده‌های لرزه­ای که دارای توزیع مکانی مناسب و دقت عمقی کمی هستند. لذا استفاده هم‌زمان از این دو سری داده برای توصیف پارامترهای مخزن می‌تواند نتایج بهتری نسبت به استفاده جداگانه از این اطلاعات تولید کند. برای اس...

تخمین دقیق حجم هیدروکربن در یک مخزن، اهمیت به سزایی دارد چرا که پایه و اساس طرح های توسعه ای آینده مخزن و میزان سرمایه گذاری ها را توجیه می کند. بنابراین برای مهندسان و کارشناسان صنایع بالا دستی برآورد حجم مخازن نفتی و گازی از دغدغه های همیشگی است که از زمان اکتشاف شروع و تا اتمام ذخیره قابل برداشت ادامه دارد. در این مطالعه سعی شده است تا با ابزار شبکه های عصبی و استفاده از داده های ژئوفیزیکی و...

برخلاف تبدیل فوریه که داده‌ها را روی دسته موج‌های سینوسی تصویر می‌کند، تبدیل آدامار داده‌ها را روی یک سری تابع‌های مربعی به نام تابع‌های والش تصویر می‌کند. در این مقاله از نشانگر جابه‌جایی نامتغیر یا طیف توان تبدیل آدامار، برای طبقه‌بندی رخساره‌های مخزن استفاده می‌شود. تبدیل موردنظر نسبت به تغییرات دیادیک حساس نیست و بنا به این خاصیت، تصادفی بودن رخساره‌های مخزن را به‌‌خوبی تشخیص می‌دهد. برای ب...

در این مقاله از مدل فازی عصبی برای برآورد خواص مخزن با استفاده از نشانگرهای لرزه ای استفاده شده است. الگوریتم "درخت مدل خطی‌محلی(LOLIMOT)" برای آموزش مدل به‌کار رفته است. این مدل از نگارهای چاه و نشانگرهای لرزه ای در محل چاه در مرحله آموزش استفاده می‌کند. شبکه فازی عصبی آموزش‌‌دیده برای برآورد خصوصیات مخزن با استفاده از نشانگرهای لرزه‌ای مورد استفاده قرار می‌گیرد. این روش در یک تاقدیس هیدروکربن...