این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش نفت، جلد ۲۱، شماره ۶۶، صفحات ۱۲-۲۲
عنوان فارسی مـدل‌سـازی سنـگ‌شناسـی در میدان گازی پـارس جنـوبی با استفـاده از شبـکه عصبـی مصنوعی
چکیده فارسی مقاله مغزه‌گیری از تعدادی چاه بدون توجه به اندازه میدان نفتی، برای به‌دست آوردن اطلاعات کلی از منطقه، امری ضروری و غیرقابل اجتناب می‌باشد. مغزه‌گیری از تمام چاه‌ها در یک میدان بزرگ بسیار پرهزینه است. بنابراین، یافتن راهی برای گریز از این هزینه‌ بالا ضروری به نظر می‌رسد. این پژوهش به مدل‌سازی شبکه‌های عصبی مصنوعی، به منظور استفاده از نگارهای چاه برای تخمین لیتولوژی در یکی از مخازن میدان گازی پارس جنوبی اختصاص دارد. در این تحقیق، از یک شبکه‌ عصبی سه‌ لایه با الگوریتم پس انتشار خطا (BP) و الگوریتم آموزش لونبرگ- مارکوآرت، برای تخمین سنگ‌شناسی استفاده شده است. نگارهای نوترون، چگالی، پرتو گاما و اثرفتوالکتریک (PEF) به‌صورت ورودی شبکه در نظر گرفته شده است. در این تحقیق، داده‌های مربوط به چهار چاه در میدان پارس جنوبی مورد استفاده قرار گرفته است. از داده‌های دو چاه (چاه‌هایSPF1 و SPF2) که دارای آنالیز مغزه بودند برای آموزش شبکه، اعتبارسنجی و آزمون استفاده شد و سپس شبکه طراحی شده جهت تخمین سنگ شناسی دو چاه دیگر (چاه‌های SPF3 و SPF4) مورد استفاده قرار گرفت و با داده‌های مغزه آن‌ها مقایسه گردید. سنگ‌های مورد بررسی عبارتند از: دولومیت، آهک، آهک دولومیتی، دولومیت آهکی، انیدریت، شیل، آهک شیلی و دولومیت شیلی. مقدار میانگین مربعات خطا (MSE) برای چاه SPF3 برابر 087/0 و برای چاه SPF4 برابر 098/0 می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Modeling of Lithology in South Pars Gas Field Using Artificial Neural Network
چکیده انگلیسی مقاله Coring from several wells, regardless of the oil field acreage, is an inevitable and necessary task in order to obtain general information of the region. Yet, coring in wells of huge fields is excessively costly. Therefore, finding a solution to avoid this excessive expense seems to be crucial. This work presents a type of artificial neural network modeling in order to use well bore logs in lithology prediction in one of the South Pars gas field reservoirs. Here, a network with three-layer back propagation (BP) method and Levenberg-Marquwardt algorithm has been used for lithology estimation. The network utilized density, neutron, gamma-ray and photoelectric effect (PEF) logs as inputs. Data from four wells in South Pars field has been used. Data from two wells (wells SPF1 and SPF2) having core analysis were used as network training, validation and testing. The network was then utilized to estimate the lithology in the two other wells (wells SPF3 and SPF4) and the results were compared with the core data (real lithology). The interval under investigation consists of Dolostone, Limestone, Dolomitic Limestone, Limy Dolostone, Anhydrite, Shale, Shaly Limestone and Shaly Dolostone. The mean square error (MSE) of rock types were 0.081 and 0.094 for SPF3 and SPF4 wells, respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله
نشانی اینترنتی http://pr.ripi.ir/article_125_29.html
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1344/article-1344-236851.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