|
Title
|
استفاده از روش شبكه هاي عصبي مصنوعي براي پيشبيني تراوايي
|
|
Type
|
Presentation
|
|
Keywords
|
reservoir, articifial neural network
|
|
Abstract
|
نفوذپذيري يكي از ويژگيهاي بسيار مهم مخازن نفتي است كه قابليت انتقال سيالاتي مانند نفت، گاز و يا آب را در فضاهاي خالي موجود در سنگ مخزن نشان ميدهد. تعيين نفوذپذيري در فرآيندهايي چون برآورد ذخيره، توليد و توسعهي مخازن نفتي، جايگاه خاصي دارد. در صنعت نفت روش استاندارد براي تعيين نفوذپذيري، آناليز مغزه ، آزمايش چاه و روابط تجربي است. اخيرا از روشهاي جديدتري مثل سيتي-اسكن براي به دست آوردن پارامتر مذكور استفاده شده است. يعني قبلا از روشهاي آزمايشگاهي (مثل آناليز مغزه) ، آزمايش چاه و روابط يامدلهاي تجربي براي تعيين تراوايي استفاده ميشد، به دليل اين كه روشهاي آزمايشگاهي و چاه آزمايي زمانبر بوده و پر هزينه هستند
همچنين معمولا همهي چاههاي يك مخزن داراي مغزه نميباشند، از طرفي مدلهاي تجربي براي موارد خاصي به كار ميروند و در جاهاي ديگر دقت و كارايي لازم را ندارند در نتيجه روشي كه بتواند با استفاده از نگارهاي چاهپيمايي، خواص پتروفيزيكي مخزن از جمله نفوذپذيري
را به دست دهد اهميت زيادي خواهد داشت. در اين مقاله با استفاده از دادههاي پتروفيزيكي و به كارگيري روشهاي دادهكاوي پارامتر مهم ذكر شده (تراوايي) را به دست ميآوريم. براي اين كار ابتدا دادهها را نرمالايز كرده سپس از روشهاي شبكهي عصبي پرسپترون چند
كه هر دو از روشهاي يادگيري ماشيني هستند) براي برآورد نفوذپذيري (افقي وقائم) ) RBF و شبكهي عصبي تابع پايه شعاعي MLP لايه يكي از ميدانهاي نفت و گاز ايران با استفاده از دادههاي ژئوفيزيكي استفاده شده است و نتايج اين روشها با هم مقايسه و سنجيده شدهاند.
|
|
Researchers
|
Habib Rostami (Third researcher)
|