این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش نفت، جلد ۲۶، شماره ۱-۹۵، صفحات ۱۵۵-۱۶۸
عنوان فارسی پیش‌گویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری
چکیده فارسی مقاله محتوای کل کربن آلی مهم‌ترین فاکتور ژئوشیمیایی جهت ارزیابی سنگ منشأ محسوب می‌شود. با در نظر گرفتن کمبود داده‌های محتوای کل کربن آلی در مناطق اکتشافی و پرهزینه و وقت‌گیر بودن آنالیز راک- ایول، توسعه یک روش نوین برای تخمین مستقیم این پارامتر از لاگ‌های چاه‌پیمایی و داده‌های لرزه‌ای هدف این مطالعه قرار گرفت. در این مطالعه، داده‌های لرزه‌ای 2 بعدی و داده‌های پتروفیزیکی سازند پابده از 4 چاه میدان نفتی منصوری مورد استفاده قرار گرفت. همچنین روش ΔLog R جهت پیش‌گویی محتوای کل کربن آلی از داده‌های پتروفیزیکی استفاده شد. مقادیر کل کربن آلی محاسبه شده به‌عنوان ورودی آنالیز چند نشان‌گری برای یافتن ارتباط منطقی با نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. در این مطالعه وارون‌سازی لرزه‌ای براساس الگوریتم شبکه عصبی به دلیل دقت بالا اجرا شد و امپدانس صوتی به‌دست آمده به‌عنوان نشان‌گر بیرونی استفاده شد. سپس شبکه عصبی احتمالاتی با استفاده از نشان‌گرهای پیشگویی شده حاصل از رگرسیون چندگانه آموزش داده شد. متعاقباً کل کربن آلی با ضریب تطابق 75% توسط نشان‌گرهای لرزه‌ای تخمین زده شد. در مرحله بعدی پژوهش، روش بهینه‌سازی کلنی مورچگان غیرخطی به‌عنوان یک ابزار هوشمند جهت تخمین و تولید یک مقطع لرزه‌ای کل کربن آلی از نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. کلنی مورچگان غیرخطی ضرایب وزنی را برای نشان‌گرهای لرزه‌ای محاسبه نمود. در انتها با استفاده از این ضرایب و داشتن نشان‌گرهای لرزه‌ای، یک مقطع لرزه‌ای کل کربن آلی تولید شد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Geochemical data prediction from well log data and seismic attributes using Ant Colony Optimization technic in Mansuri Oil field
چکیده انگلیسی مقاله Total organic carbon is among the most important geochemical factors for source rock assessment. Considering the general scarcity of measured total organic carbon data in exploration area together with expensive and time consuming procedure of Rock-Eval pyrolysis, development of a new method for direct estimation of TOC parameter from well log and seismic data is an important issue and the object of this study. In this paper, 2D seismic data and petrophysical data of the Pabdeh Formation from 4 wells of the Mansuri Oil field are used. Also ΔLog R was used to predict TOC values from petrophysical data. The calculated values were used as inputs for a Multi Attribute Analysis to find a logical relation with seismic attributes. In this study, seismic inversion was performed based on Neural Networks Algorithm and the resulting acoustic impedance was utilized as an external attribute. Afterwards, a probabilistic neural network was trained using a set of predicting attributes derived from multiple regression. Subsequently, TOC was estimated by using seismic attributes with correlation coefficient of 75%. In the next step of study, the nonlinear Ant Colony Optimization technique was utilized as an intelligent tool to estimate and production TOC seismic section from seismic attributes. Nonlinear Ant Colony calculates weight factors for each of seismic attributes. Finally, having these weights and seismic attributes, TOC seismic section was produced.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله هدی عبدی زاده |
گروه زمین شناسی، دانشکده علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایران
سازمان اصلی تایید شده: دانشگاه سیستان و بلوچستان (Sistan va baloochestan university)

علی کدخدایی |
گروه زمین شناسی، دانشکده علوم طبیعی، دانشگاه تبریز، ایران
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

علی احمدی |
گروه زمین شناسی، دانشکده علوم طبیعی، دانشگاه تبریز، ایران
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

محمد حسین حیدری فرد | mohammad hossein
گروه زمین شناسی، شرکت ملی مناطق نفت خیز جنوب، اهواز، ایران

نشانی اینترنتی http://pr.ripi.ir/article_622_82.html
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1344/article-1344-236581.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