• مقایسه دو روش شبکه عصبی مصنوعی (ann) و خوشه سازی بر پایه نمودار چند بعدی (mrgc) در پیش بینی نفوذپذیری مخزن بنگستان در میدان منصوری

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1177
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    تراوایی یکی از مهمترین خصوصیات پتروفیزیکی مخزن است. درک دقیقی از تراوایی، ابزار سودمندی در دست مهندسان نفت به منظور مدیریت فرآیند تولید از یک میدان قرار می دهد. تعیین نفوذپذیری معمولا توسط روشهای مانند آنالیز مغزه و آزمایش چاه (well test) انجام می گیرد که مستلزم صرف زمان و هزینه بالایی است. در ضمن نبود مغزه برای تمامی چاه های یک میدان و هم چنین ناهمگنی سنگ مخزن انجام این مطالعه را به وسیله دو روش فوق با مشکل روبرو می کند. بنابراین در این مطالعه سعی شده است با مقایسه دو روش شبکه های عصبی مصنوعی (artificial neural network) و خوشه سازی بر پایه نمودار چندبعدی (multi resolution graph based clustering) در نرم افزار زئولاگ 1، 7، 6 (paradigmtm geolog 6.7.1) مقدار نفوذپذیری در یکی از چاه های مغزه گیری شده (چاه a) مخزن بنگستان در میدان منصوری مورد بررسی قرار گیرد. این تحقیق نشان داده که در میدان مورد مطالعه mrgc روش نسبت به روش شبکه های عصبی مصنوعی (ann) توانسته به شکل موثرتری در تخمین میزان نفوذپذیری مفید واقع شود. این تخمین می تواند در ارزیابی تولید مخزن و نیز تعیین نفوذپذیری در چاه های فاقد مغزه میدان مورد استفاده قرار گیرد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها