این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
چهارشنبه 2 مهر 1404
پژوهش نفت
، جلد ۳۰، شماره ۹۹-۳، صفحات ۹۰-۹۹
عنوان فارسی
پیشبینی ضریب سیمانشدگی و نمای اشباع برای مخازن کربناته ایران بهوسیله الگوریتم برنامهریزی ژنتیک
چکیده فارسی مقاله
ضرایب آرچی، ضریب سیمانشدگی و نمای اشباع، پارامترهای مهمی در تعیین خصوصیات مخزن هستند. اندازهگیری آزمایشگاهی این دو پارامتر فرآیندی زمان بر و پرهزینه است و برای هر میدان نفتی دادههای آزمایشگاهی مربوط به این دو پارامتر به تعداد محدودی موجود است. این در حالی است که این ضرایب نقش تعیین کنندهای در محاسبه میزان نفت درجا دارند رابطه تجربی مناسبی در این خصوص برای مخازن ایران وجود ندارد. در این مقاله، روابط تجربی برای این ضرایب بهوسیله برنامهریزی ژنتیک بهدست آمدهاند. برای ضریب سیمانشدگی پارامترهای تروایی، تخلخل و چگالی سنگ و برای نمای اشباع پارامترهای تروایی، تخلخل و شاخص ترشوندگی بهعنوان متغیرهای ورودی مدل در نظرگرفته شدهاند. مدلهای برنامهریزی ژنتیک بهکمک دادههای آنالیز معمولی مغزه و آنالیز ویژه مغزه از 21 میدان نفتی ایران آموزش داده شدهاند. نتایج حاصله نشان میدهند که فرمولهای تجربی بهدست آمده بهکمک مدل برنامهریزی ژنتیک دقت بالایی دارند. میانگین مربعات خطا و ضریب همبستگی مربوط به دادههای اعتبارسنجی روابط تجربی بهدست آمده برای ضریب سیمانشدگی بهترتیب 062/0 و 91/0 و برای نمای اشباع بهترتیب 051/0 و 96/0 هستند. اهمیت این فرمولهای بهدست آمده در وابستگی آنها به متغیرهای قابل اندازهگیری ساده هستند و به غیر از ضریب ترشوندگی، همه پارامترهای مستقل، متغیرهای ساده آنالیز معمولی مغزه هستند که به آسانی و هزینه کم قابل اندازهگیری هستند
کلیدواژههای فارسی مقاله
ضرایب آرچی، ضریب سیمانشدگی، نمای اشباع، دادههای آنالیز معمولی مغزه و آنالیز ویژه مغزه، مدل برنامهریزی ژنتیک،
عنوان انگلیسی
Prediction of Cementation Factor and Saturation Exponent Using Genetic Programming Algorithm
چکیده انگلیسی مقاله
In this article, strong correlations for the cementation factor and saturation exponent were discovered by genetic programming (GP) algorithm. The cementation factord GP-base model was trained by input variables such as porosity, permeability, and grain density derived from 175 routine core analysis (RCAL) samples of 21 carbonated oil fields. Also, porosity, permeability, and wettability index were considered as input variables of saturation exponent model. The proposed correlations using GP improved greatly the average absolute error for the Archie’s parameters. The root mean square error and correlation coefficient of validation data for the new cementation factor correlation were 0.062 and 0.91, and for saturation exponent model, they were 0.051 and 0.96 respectively. The importance of theses correlations is in their dependence on simple measurable parameters, and except wettability index all of the independent parameters are simple routine core analysis parameters which can be measured easily and at no considerable expense.
کلیدواژههای انگلیسی مقاله
ضرایب آرچی, ضریب سیمانشدگی, نمای اشباع, دادههای آنالیز معمولی مغزه و آنالیز ویژه مغزه, مدل برنامهریزی ژنتیک
نویسندگان مقاله
سوران محمودپور |
گروه اقتصاد ومدیریت انرژی، دانشکده نفت تهران، دانشگاه صنعت نفت، ایران
احسان کمری |
گروه مهندسی نفت، پردیس توسعه صنایع بالادستی نفت، پژوهشگاه صنعت نفت، تهران، ایران
محمدرضا اصفهانی |
گروه مهندسی نفت، پردیس توسعه صنایع بالادستی نفت، پژوهشگاه صنعت نفت، تهران، ایران
نشانی اینترنتی
https://pr.ripi.ir/article_1064_d5eb3cd9cc7bd221ccd344b8c8c09fef.pdf
فایل مقاله
فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات