پیش بینی لیتولوژی مخازن هیدروکربنی از نشانگرهای لرزه ای با استفاده از شبکه های عصبی مصنوعی در میدان نفتی هندیجان
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه ارومیه - دانشکده علوم
- نویسنده مهدی طاهری
- استاد راهنما علی اصغر ثیاب قدسی رامین نیکروز علی کدخدایی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
اهمیت و نقش تعیین کننده نوع لیتولوژی سازندها در بررسی مخازن نفت و گاز، ایجاب می¬کند که از هرگونه اطلاعات برای پی بردن به این خواص استفاده شود. معمولاً برای تعیین لیتولوژی از دو روش مستقیم (آنالیز مغزه) و غیر مستقیم (ارزیابی داده-های نمودارهای چاه¬پیمایی) استفاده می¬شود. این روش¬ها مستلزم صرف هزینه و وقت زیادی می¬باشند. بنابراین به دلایل اقتصادی فقط تعداد کمی از چاه¬های یک میدان دارای مغزه می¬باشند، ولی نمودارهای چاه¬پیمایی برای اکثر چاه¬ها در دسترس-اند. در این مطالعه داده¬های لرزه¬ای میدان نفتی هندیجان به همراه نگارهای موجود از 7 چاه این میدان به کار گرفته شد تا پس از استخراج روابط موجود بین نشانگرهای لرزه¬ای و مقادیر حجم کوارتز، کلسیت، دولومیت، شیل و انیدریت در محل چاه¬ها، از این روابط برای تخمین حجم هر کدام از لیتولوژی¬های ذکر شده، در فواصل چاه¬ها استفاده شود. بعد از بررسی¬های کلی داده¬ها، یک خط لرزه¬نگاری انتخاب و روش¬های برگردان لرزه¬ای ( شامل روش¬های وارون¬سازی خارهای پراکنده، برپایه مدل و باند محدود) بر آن اعمال گردید که از بین این روش¬ها، روش بر پایه مدل نتایج بهتری را ارائه نمود. سپس با استفاده از نشانگرهای لرزه¬ای و شبکه¬های عصبی مصنوعی که امروزه یکی از دقیق¬ترین ابزارهای پیش¬بینی در صنعت نفت می¬با¬شند، مدل لیتولوژی برای هر کدام از لیتولوژی¬های ذکر شده در بالا ارائه گردید. هم¬چنین در این مطالعه نشان داده شد که شبکه عصبی pnn دارای نتایج بهتری نسبت به شبکه¬های mlfn و rbf و نیز روش رگرسیون چندنشانگری (mar) می¬باشد.
منابع مشابه
مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...
متن کاملپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...
متن کاملپیش بینی سطح مدیریت سود با استفاده از شبکه های عصبی مصنوعی...
اکثر تحقیقات انجام شده در حوزه مدیریت سود به بررسی انگیزه ها و عوامل موثر بر سطح مدیریت سود پرداخته اند، ولی از این متغیرها به طور مستقیم برای پیش بینی سطح مدیریت سود استفاده نشده است. در نتیجه تنها همبستگی بین مدیریت سود و این متغیرها بررسی شده است. از این رو، طراحی یک مدل برای پیش بینی سطح مدیریت سود به منظور کاهش ریسک بحران های مالی ناشی از مدیریت سود و کمک به سرمایه گذاران، اعتبار دهندگان و...
متن کاملپیش بینی میزان غلظت آلاینده های هوای تهران با استفاده از شبکه عصبی مصنوعی
در این تحقیق شبکه عصبی مصنوعی جهت برآورد و پیش بینی غلظت گازهای آلاینده هوا به کار رفته است.با توجه به خطر آلودگی هوا در شهر تهران و ایجاد مشکلات زیست محیطی و بیماری های خطرناک تنفسی و پوستی به ویژه برای کودکان و سالمندان و نیاز شدید به کنترل آن ، این تحقیق در جهت برنامه ریزی و کنترل این مشکل در تهران و همچنین شهرهای بزرگ دیگر انجام گرفته است. برای این منظور از آمار غلظت گازهای آلاینده هوای ثبت...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه ارومیه - دانشکده علوم
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023