پژوهش نفت، جلد ۲۶، شماره ۶-۹۵، صفحات ۱۴۸-۱۶۰
عنوان فارسی مدل‌سازی پهنه‌های اکتشاف نفتی با شبکه عصبی پرسپترون چند لایه (MLP) در GIS
چکیده فارسی مقاله فرآیند اکتشاف منابع هیدروکربنی به‌عنوان فرآیندی بسیار پیچیده و پرهزینه می‌باشد. در این فرآیند فاکتورهای متعدد زمین‌شناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق می‌شوند. طراحی بهترین مسیر برای برداشت داده‌های لرزه‌نگاری و همچنین تعیین بهترین محل برای حفر چاه‌های اکتشافی از اهمیت ویژه‌ایی برخوردار است، زیرا نتیجه تعیین نادرست یا بی‌دقت این مکان‌ها، صرف هزینه و زمان زیاد در طول عملیات می‌باشد. این تحقیق با هدف تعیین مناطق محتمل نفت و گاز با مقیاس 1:25000 اهواز با 20 میدان نفتی به منظور کاهش زمان و هزینه اکتشاف و تولید می‌باشد. 17 نقشه‌ فاکتور شامل: کمترین و بیشترین مقدار(غنای کربن آلی، بازده پتانسیل برای تولید هیدروکربن، پیک Tmax، اندیس تولید، اندیس اکسیژن، اندیس هیدروژن) و داده‌های مجاورت به مناطق دارای آنومالی باقی‌مانده ثقل بوگه بالا، محور طاقدیس‌ها و گسل‌ها، نقشه‌ ناهمواری و انحنا حاصل از منحنی‌های زیر سطحی سازند آسماری توسط توابع سیستم اطلاعات جغرافیایی ایجاد شدند. برای ترکیب نقشه‌های فاکتور، از مدل شبکه عصبی پرسپترون MLP که از روش‌های داده مبنا است، استفاده شد. نتایج حاصل از مدل‌سازی با داده‌های آزمون نشان داد که شبکه عصبی 5×10×17، با شاخص کاپای 9079/0، همبستگی 8948/0 و RMSE برابر با 0267/0 توانسته است بهتر از مدل‌های دیگر، خروجی‌ها را تولید کرده و با دقت بالایی میدان‌های نفتی را پیش‌بینی کند هرچند که میادین سوفلا و سپهر شناسایی نشده و برخی قسمت‌ها نیز به اشتباه، جزء میادین نفتی طبقه‌بندی شده‌اند.
کلیدواژه‌های فارسی مقاله پهنه‌های اکتشافی، مدل‌سازی، MLP، GIS، میدان نفتی،
عنوان انگلیسی Spatial modeling of oil exploration areas using multilayer perceptron neural network (MLP) in GIS
چکیده انگلیسی مقاله The exploration of hydrocarbon resources as a process is very complex and costly. In this process, multiple factors of geology, geochemistry and geophysics are prepared and combined together. Designing the best route to take seismic data and determine the best location for drilling exploration wells is extremely important because improper or careless determination of the location, time consuming and expensive during the operation. The aim of this study was to identify possible areas for oil and gas in the map of 1: 250,000 Ahvaz with 20 oil fields using multilayer perceptron neural network (MLP) and geographic information systems. For this purpose, 17 maps of factors including: the lowest and highest values (total organic carbon, potential for the production of hydrocarbons, peak Tmax, the production index, the oxygen index, the hydrogen index) and the proximity to areas of an high Bouguer gravity anomaly, an anticline axis and faults, map of the topography and the curvature of the yield curve Asmari subsurface were created by GIS functions. For the combined factor map, the multilayer perceptron neural network (MLP) that is data-driven methods was used. The validation results showed that the neural network 17×10×5 is better than the other models with a R = 0.8948 ,RMSE=0.0267 and the Kappa=9079. Besides, the neural network 17×10×5 is able to accurately predict the oil fields. On the other hands, Some fields could not be identified, and also, some areas were classified oil fields mistakenly.
کلیدواژه‌های انگلیسی مقاله Oil Exploration Areas, Modeling, MLP, GIS, Oil Fields
نویسندگان مقاله نورالدین میثاق |
گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نجمه نیسانی سامانی | neisani samani
گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

عطااله عبدالهی کاکرودی | abollahi kakroodi
گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

سید کاظم علوی پناه | seyed kazem
گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

عباس بحرودی |
گروه اکتشاف معدن، دانشکده مهندسی معدن، دانشگاه تهران، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://pr.ripi.ir/article_724_9b1682d2a7e263342b16254fde1fd9d6.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1344/article-1344-401299.pdf
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