تخمین پارامترهای پتروفیزیکی یکی از مخازن نفتی جنوب به روش تلفیقی شبکه عصبی فازی(نروفازی)

تحلیل پتروفیزیکی و پیش‌بینی تابع تخلخل در یکی از مخازن نفتی جنوب باختر ایران

شبکه‌های عصبی روش‌های محاسباتی یادگیرنده هستند که به کمک آنها می‌توان یک نگاشت خاص را برآورد کرده یا داده‌های مختلفی را دسته‌‌بندی کرد. یک شبکه عصبی بر خلاف کامپیوتر‌های رقومی که نیازمند دستورات کاملاً صریح و مشخص هستند، به مدل ریاضی محض نیاز ندارد، بلکه مانند مغز انسان قابلیت یادگیری به وسیله تعدادی مثال مشخص را دارد. هدف مقاله حاضر، اثبات تابع تخلخلی و تحلیل به عنوان یک رهیافت نیرومند در برآور...

شبیه‌سازی پارامترهای پتروفیزیکی مخازن هیدروکربنی با استفاده از روش SGS در یکی از میادین جنوب غرب ایران

برای شبیه‌سازی پارامترهای پتروفیزیکی مانند تخلخل و اشباع آب در مخازن هیدروکربنی، از داده‌های چاه‌های حفاری شده (لاگ‌ها) استفاده می‌شود. با شبیه‌سازی پارامترهای پتروفیزیکی، یک دید سه‌بعدی از خصوصیات مخزنی به‌دست می‌آید که در ایجاد الگوهای جریانی مخزن نقش بسزایی دارد. همچنین با شبیه‌سازی این پارامترها، مکان‌های مستعد مخزنی شناسایی شده و در توسعه میادین هیدروکربنی مورد استفاده قرار می‌گیرد. در مطا...

تخمین پارامترهای پتروفیزیکی با استفاده از روش کریجینگ و گوسی متوالی در یکی از میادین نفتی ایران

استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک جهت تخمین فشار نقطه حباب در یکی از مخازن نفتی جنوب غرب ایران

شبیه سازی پارامترهای پتروفیزیکی مخازن هیدروکربنی با استفاده از روش sgs در یکی از میادین جنوب غرب ایران

برای شبیه سازی پارامترهای پتروفیزیکی مانند تخلخل و اشباع آب در مخازن هیدروکربنی، از داده های چاه های حفاری شده (لاگ ها) استفاده می شود. با شبیه سازی پارامترهای پتروفیزیکی، یک دید سه بعدی از خصوصیات مخزنی به دست می آید که در ایجاد الگوهای جریانی مخزن نقش بسزایی دارد. همچنین با شبیه سازی این پارامترها، مکان های مستعد مخزنی شناسایی شده و در توسعه میادین هیدروکربنی مورد استفاده قرار می گیرد. در مطا...

استفاده از شبکه عصبی مرکب (Committee Machine) نظارت شده جهت بهبود الگوریتم شبکه های عصبی در تخمین تراوایی مخازن نفتی

Reservoir permeability is a critical parameter for the evaluation of hydrocarbon reservoirs. There are a lot of well log data related with this parameter. In this study, permeability is predicted using them and a supervised committee machine neural network (SCMNN) which is combined of 30 estimators. All of data were divided in two low and high permeability populations using statistical study. E...