پیش بینی نفوذپذیری ازتخلخل، سطح ویژه و اشباع آب کاهش نیافتنی با استفاده از شبکه های عصبی مصنوعی
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,561
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TOIL01_097
تاریخ نمایه سازی: 4 اسفند 1389
چکیده مقاله:
یکی از خواص بسیار مهم مخازن نفت قابلیت نفوذ یک سیال مانندنفت گاز و یا آب در آن است هرچه نفوذپذیری بالاتر باشد نفتو گاز راحت تر در سنگ مخزن جریان می یابند و درنتیجه استخراج نفت با سرعت بیشتر و هزینه کمتری امکان پذیر است با توجه به اهمیت این موضوع دراین مقاله به بررسی روابط بین مشخصات مختلف محیط تخلخل از قبیل تخلخل سطح ویژه و آب کاهش نیافتنی با نفوذ پذیری می پردازیم، هدف ارائه یک ابزار پیش بینی با استفاده از شبکه عصبی مصنوعی برای براورد کردن نفوذ پذیری مطلق در سنگهای کربناته می باشد که در شبکه عصبی مصنوعی مورد طراحی الگوریتم اموزشی پس انتشار خطا و تابع اموزش تنظیم خودکار برای شبکه و شبکه چند لایه با دولایه مخفی درساختار شبکه مورد استفاده قرارگرفت. مطالعات انجام داده شده نشان داده مقادیر نفوذ پذیری بدست امده از شبکه کاملا با داده هایی که ازتحلیل ازمایشگاهی بدست امده اند مطابقت دارد.
کلیدواژه ها:
نویسندگان
احسان اسماعیل پور مطلق
کارشناس ارشد مهندسی حفاری و استخراج نفت عضو باشگاه پژوهشگران جوان
مجید سجادیان
کارشناس ارشد مهندسی حفاری و استخراج نفت
سیدمصطفی مختاری سنگدهی
دانشجوی کارشناسی ارشد مهندسی حفاری و بهره برداری نفت
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :