این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اکتشاف و تولید نفت و گاز، جلد ۱۴۰۱، شماره ۱۹۹، صفحات ۴-۱۶
عنوان فارسی بررسی استفاده از روش‌های یادگیری ماشین به منظور دسته‌بندی سنگ مخازن هیدروکربنی در میدان نفتی A
چکیده فارسی مقاله تقسیم مخازن هیدروکربنی پیچیده (از جمله مخازن هیدروکربنی در ایران) به دسته‌های سنگی متفاوت پیش از توسعه‌ی روابط تحلیلی بین پارامترهایی همچون تراوایی و تخلخل، ضرورت دارد. دسته‌بندی سنگ مخزن، کیفیت ساخت مدل مخزن و در نتیجه، تخمین میزان نفت درجا، تحرک‌پذیری سیالات و پیش‌بینی رفتار آنها را تحت‌تاثیر قرار می‌دهد. عمده‌ی تحقیقات انجام شده در زمینه‌ی دسته‌بندی سنگ مخزن بر پایه‌ی روش‌های تحلیلی و بر اساس روابطی است که برای توصیف فضای خالی مخزن توسعه یافته است. از این میان می‌توان به روش توسعه داده شده توسط آمافول و همکاران(RQI-FZI) و روش میرزایی پیامن و همکاران(FZI*) اشاره کرد که از روابط تحلیلی ساده برای پارامترهای FZI و FZI* جهت تشخیص دسته‌های سنگ استفاده می‌کند. نتایج استفاده از این روش‌ها حاکی از آن است که این روابط تحلیلی تصور ساده‌سازی‌شده‌ای از سنگ مخزن ارائه می‌کنند و گاهی موجب بروز خطا در محاسبات و عدم دسته‌بندی مناسب سنگ مخزن می‌شوند. روش‌های دسته‌بندی سنگ بر پایه‌ی یادگیری ماشین در مقایسه با روش‌های دسته‌بندی مرسوم از ریاضیات پیچیده‌تری استفاده کرده و امکان دسته‌بندی موفقیت‌آمیز در مخازن پیچیده‌تر را فراهم می‌سازند. علاوه بر این، الگوریتم این روش‌ها با دخالت کمتر کارشناسان و صرف زمان کمتر از جانب آنها اجرا می‌شود. در این مطالعه از داده‌های چاه‌نگاری دو چاه در میدان A جهت دسته‌بندی سنگ مخزن به کمک روش‌های یادگیری ماشین استفاده می‌شود. روش‌ یادگیری ماشینی که در این مطالعه استفاده می‌شود از نوع نقشه‌ی خودسازمان‌ده (1SOM) خواهد بود. در الگوریتم توسعه داده شده جهت دسته‌بندی سنگ مخزن از تحلیل مولفه‌ی اصلی (2PCA) به منظور کاهش تعداد پارامترهای ورودی به الگوریتم نقشه‌ی خودسازمان‌ده و همچنین کاهش نویز استفاده می‌شود. جهت ارزیابی نتایج دسته‌بندی ایجاد شده نیز از نمودارهای فشار موئینه‌ی آن دو چاه استفاده شده است. همچنین نتایج حاصل با نتایج استفاده از یکی از روش‌های مرسوم دسته‌بندی سنگ مخزن (روش FZI* معرفی شده توسط میرزایی پیامن و همکاران) بر روی داده‌های مغزه‌ی دو چاه مورد اشاره مقایسه شده است. این مقایسه حاکی از بهبود دسته‌بندی سنگ مخزن توسط نقشه‌ی خودسازمان‌ده است.  
کلیدواژه‌های فارسی مقاله دسته‌بندی سنگ مخزن، نقشه‌ی خودسازمان‌ده، تحلیل مولفه‌ی اصلی، داده‌های چاه‌نگاری.
عنوان انگلیسی
چکیده انگلیسی مقاله
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله برزو عسگری پیربلوطی |
گروه مهندسی نفت دانشگاه آزاد اسلامی مسجد سلیمان

نشانی اینترنتی http://ekteshaf.nioc.ir/browse.php?a_code=A-10-3717-37&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده علوم زمین
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات