این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم زمین، جلد ۲۷، شماره ۱۰۶، صفحات ۲۵-۳۴
عنوان فارسی بهینه سازی تعیین رده رخساره‌های پتروفیزیکی با تحلیل سریع مؤلفه های مستقل و تبدیل کسینوسی گسسته پایه K نزدیک ترین همسایه در میدان مارون مخزن آسماری
چکیده فارسی مقاله هدف از انجام این پژوهش، تعیین بهینه رخساره‌های پتروفیزیکی از روی داده‌های نموداری چاه است. با استفاده از روش دسته‌بندی خودکار K نزدیک­ترین همسایه می‌توان رخساره‌های پتروفیزیکی را تعیین کرد؛ اما نه به­صورت بهینه. برای تعیین بهینه رخساره‌ها، روش K نزدیک­ترین همسایه با روش‌های تحلیل سریع مؤلفه­های مستقل و تبدیل کسینوسی گسسته تلفیق می‌شود که این امر موجب افزایش نرخ موفقیت روش K نزدیک­ترین همسایه و تعیین بهینه رخساره‌های پتروفیزیکی می‌شود که به ­دنبال آن می‌توان مدل‌سازی و توصیف مخازن هیدروکربنی را انجام داد. پژوهش در دو مسیر متفاوت انجام می‌شود. در مسیر اول، روش تحلیل سریع مؤلفه­های مستقل روی داده اعمال‌ و سپس توسط روش K نزدیک­ترین همسایه دسته‌بندی می‌شود و در مسیر دوم روش‌های تحلیل سریع مؤلفه­های مستقل و تبدیل کسینوسی گسسته روی داده‌ها اعمال و سپس توسط روش K نزدیک­ترین همسایه دسته‌بندی می‌شود. در پایان نرخ موفقیت دسته‌بندی توسط K نزدیک­ترین همسایه در هر دو مسیر به­ منظور تعیین بهینه رخساره‌های پتروفیزیکی مورد ارزیابی قرار می‌گیرد. ارزیابی انجام‌ شده نشان می‌دهد که اعمال روش مسیر دوم روی داده‌ها به‌طور معنی‌داری نرخ موفقیت دسته‌بندی توسط روش K نزدیک­ترین همسایه را افزایش می‌دهد که این امر موجب تعیین بهینه رخساره‌های پتروفیکی می‌شود که همان هدف از انجام این پژوهش است. داده‌های مورد استفاده، نمودارهای صوتی (Sonic Log)، پرتوی گاما (Gamma Ray)، چگالی (FDC یا RHOB)، تخلخل نوترون (CNL یا NPHI) و نگارهای القایی ژرف (ILD) از میدان نفتی مارون در جنوب کشور ایران هستند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Optimization determine of petrophysical facies class using Fast independent component analysis and discrete cosine transform based k-nearest neighbors in the Marun oil field, Asmari reservoir
چکیده انگلیسی مقاله This paper aims to optimally determine petrophysical facies according to well log data. Using the automatic classification method of K-NN (K-Nearest Neighbours), petrophysical facies can be determined even though not optimally. For optimal determination of facies, the K-NN method is combined with FastICA (Fast Independent Component Analysis) and DCT (Discrete Cosine Transform) methods. This increases the success rate of the K-NN method. It also brings about optimal determination of petrophysical facies after which modelling and description of hydrocarbon reservoirs can be done. The research is performed in two different ways: In the first approach, the FastICA method is applied to data and then classified by the K-NN method. In the second approach, FastICA and DCT methods are applied to data and then classified by the K-NN method. Finally, the success rate of classification by the K-NN method is evaluated in both approaches to optimally determine petrophysical facies. Such evaluations indicate that application of the second method to data significantly enhances the success rate of the classification by the K-NN method, thereby leading to optimal determination of petrophysical facies, which is the very aim of this study. The utilized data including sonic log (DT), gamma rays (SGR), density (FDC or RHOB), neutron porosity (CNL or NPHI), and deep induction logs (ILD), belongs to the Marun oil field in southern Iran.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سیدعلی هاشمی‌نژاد |
کارشناسی ارشد، گروه مهندسی نفت، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

کامیار احمدی |
دکترا، گروه مهندسی نفت، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

نشانی اینترنتی http://www.gsjournal.ir/article_58318_137b552f6fc96c0cb0611b39cd2761bf.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/960/article-960-578418.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