این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم زمین، جلد ۲۰، شماره ۸۰، صفحات ۶۳-۷۰
عنوان فارسی پیش‌بینی سرعت موج برشی از نگارهای تخلخل به وسیله روش‌های منطق فازی و عصبی ـ فازی در یکی از مخازن کربناتی جنوب ایران
چکیده فارسی مقاله سرعت امواج برشی و تراکمی دارای کاربردهای متعددی در مطالعات پتروفیزیکی، ژئوفیزیکی و ژئومکانیکی مخازن نفتی می‌باشند. سرعت امواج تراکمی توسط ابزار صوتی که در تمامی چاه‌های نفت و گاز رانده می‌شود قابل محاسبه است ولی داده‌های مربوط به سرعت امواج برشی در تمامی چاه‌ها بویژه چاه‌های قدیمی وجود ندارد. در این مطالعه با استفاده از نگارهای تخلخل(نوترون، صوتی، چگالی)، سرعت موج برشی به کمک روش‌های منطق فازی وعصبی ـ فازی در یک مخزن کربناتی برآورد شد. بانک اطلاعاتی در این مطالعه شامل نقطه‌ اطلاعاتی برای ساخت سامانه‌‌های فازی و عصبی ـ فازی (داده‌های چاه مدل) و نقطه (از چاه آزمون) برای آزمودن مدل‌ها است که وابسته به مخزن کربناتی سروک در یکی از میادین نفتی جنوب ایران هستند. نتایج به‌دست آمده نشان می‌دهد که روش‌های به کار رفته در برآورد سرعت موج برشی در این مخزن کربناتی موفقیت‌آمیز بوده است و در صورتی که داده‌های سه نگار تخلخل نام برده کافی باشد، استفاده از این روش‌ها برای برآورد سرعت موج برشی در چاه‌های فاقد این پارامتر (در این منطقه) پیشنهاد می‌شود.  
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction of Shear Wave Velocity from Porosity Logs Using Fuzzy Logic & Neuro-Fuzzy Techniques in One of the Iranian Southern Carbonate Reservoirs
چکیده انگلیسی مقاله The shear and compressional wave velocities (Vs and Vp, respectively) have many applications in petrophysical, geophysical and geomechanical studies. Vp is very easily obtained from sonic logs that are available in most of oil and gas wells, but some wells (especially old wells) may not have Vs data. In this study Vs was predicted from porosity well log data (neutron, density and sonic) using fuzzy logic and neuro-fuzzy techniques. For this purpose a total of 3910 data points from Sarvak carbonate reservoir which have Vs and porosity log data were utilized. These data were divided into two parts, one part included 2046 data points used for constructing models and the other part included 1864 data points used for testing models. The results show that fuzzy logic and neuro-fuzzy techniques were useful methods for prediction of Vs in this carbonate oil reservoir.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجتبی رجبی |
دانشکده زمین‌شناسی، پردیس علوم، دانشگاه تهران، تهران، ایران

بهمن بهلولی |
دانشکده زمین‌شناسی، پردیس علوم، دانشگاه تهران، تهران، ایران

مجید محمدی نیا |
مدیریت اکتشاف شرکت ملی نفت ایران، تهران، تهران

اسماعیل غلامپور آهنگر |
شرکت مهندسی و توسعه نفت (متن)، تهران، ایران

نشانی اینترنتی http://www.gsjournal.ir/article_55221_84e04047e41059c413059e2e1d872af3.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/960/article-960-597008.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