عباس عباس‌زاده شهری؛ رسا حسینی؛ فریدون رضایی؛ کامبیز مهدی‌زاده فرساد؛ نعیم پنائی
چکیده
شبکه‌های عصبی روش‌های محاسباتی یادگیرنده هستند که به کمک آنها می‌توان یک نگاشت خاص را برآورد کرده یا داده‌های مختلفی را دسته‌‌بندی کرد. یک شبکه عصبی بر خلاف کامپیوتر‌های رقومی که نیازمند دستورات کاملاً صریح و مشخص هستند، به مدل ریاضی محض نیاز ندارد، بلکه مانند مغز انسان قابلیت یادگیری به وسیله تعدادی مثال مشخص را دارد. هدف مقاله ...
بیشتر
شبکه‌های عصبی روش‌های محاسباتی یادگیرنده هستند که به کمک آنها می‌توان یک نگاشت خاص را برآورد کرده یا داده‌های مختلفی را دسته‌‌بندی کرد. یک شبکه عصبی بر خلاف کامپیوتر‌های رقومی که نیازمند دستورات کاملاً صریح و مشخص هستند، به مدل ریاضی محض نیاز ندارد، بلکه مانند مغز انسان قابلیت یادگیری به وسیله تعدادی مثال مشخص را دارد. هدف مقاله حاضر، اثبات تابع تخلخلی و تحلیل به عنوان یک رهیافت نیرومند در برآورد تخلخل سنگ مخزن با استفاده از نمودارهای پتروفیزیکی است که در آن با ارائه راه‌حلی مناسب بر پایه تحلیل پتروفیزیکی می‌توان تخلخل را با استفاده از داده‌های نمودارهای چاه‌نگاری متداول تا حد بسیار خوبی برآورد کرد. روش پیشنهادی بر پایه داده‌های پتروفیزیکی موجود در یکی از میادین نفتی جنوب باختر ایران مورد بررسی قرار گرفت. نتایج به‌دست آمده از تجزیه شبکه مشروط بر اعتماد به داده‌ها با آزمون‌های مختلف در بررسی تابع از جمله رگرسیون، جذر میانگین مربعات و SPLine نشان دادند که میزان خطای شبکه بر حسب داده‌های موجود در محدوده مهندسی با ضریب اطمینان بالایی قابل قبول هستند و می‌تواند برای برآورد تخلخل مورد استفاده قرار گیرند. این روش افزون بر کاهش هزینه‌ها و اقتصادی کردن طرح، می‌تواند راهگشای انجام پژوهش‌های مختلفی در این زمینه در مقاطع بعدی شود.
محمد امین دزفولیان
چکیده
پیشی‌بینی سنگ‌شناسی، مرحله‌ای اساسی در مهندسی نفت و ارزیابی سازند است. تحقیقی که در اینجا عرضه می‌شود، نوعی مدل‌سازی شبکه‌های عصبی مصنوعی، به منظور استفاده از نگارهای چاه برای برآورد سنگ‌شناسی در یکی از مخازن میدان پارس جنوبی است. در این تحقیق از دو شبکه با روش پس انتشار خطا ((back propagation error; BP سه لایه و الگوریتم آموزش لونبرگ- ...
بیشتر
پیشی‌بینی سنگ‌شناسی، مرحله‌ای اساسی در مهندسی نفت و ارزیابی سازند است. تحقیقی که در اینجا عرضه می‌شود، نوعی مدل‌سازی شبکه‌های عصبی مصنوعی، به منظور استفاده از نگارهای چاه برای برآورد سنگ‌شناسی در یکی از مخازن میدان پارس جنوبی است. در این تحقیق از دو شبکه با روش پس انتشار خطا ((back propagation error; BP سه لایه و الگوریتم آموزش لونبرگ- مارکوآرت، برای برآورد سنگ‌شناسی، استفاده شده است. شبکه در حالت اول، نگارهای پرتو گاما، نوترون، چگالی و اثرفتوالکتریک (PEF) را به صورت ورودی به کار می‌برد، حال آن‌که در شبکه دوم نگار صوتی مربوط به این داده‌ها نیز به ورودی‌ها اضافه و نتایج در دو حالت مقایسه شده‌اند. با توجه به هزینه‌های بالای مغزه‌گیری از این روش می‌توان هزینه‌های مغزه‌گیری را کاهش داد. در این مقاله، از داده‌های مربوط به چهار چاه در میدان پارس جنوبی استفاده شده است، به این صورت که شبکه، ابتدا در یکی از چاههای مخزن (چاه C) که دارای تحلیل مغزه بود، آموزش داده شد و در چاه دیگر (چاه D) که داده‌های آن در آموزش شبکه سهمی نداشت، آزمایش شد و پس از اطمینان از کارآیی آن، شبکه برای برآورد سنگ‌شناسی در دو چاه دیگر (چاه A وB) استفاده شد. سنگهای بخش بررسی شده عبارتند از: دولومیت، سنگ‌آهک، سنگ‌آهک دولومیتی، دولومیت آهکی، انیدریت، شیل، سنگ‌آهک شیلی و دولومیت شیلی. در حالت اول مقدار میانگین مربعات خطا (mean square error; MSE) برای چاه A برابر 081/0و برای چاه B برابر094/ به دست آمد، در صورتی که در حالت دوم و اضافه شدن نگار صوتی به دیگر ورودی‌ها مقدار میانگین مربعات خطا برای چاه A برابر051/0 و برای چاه B برابر 063/0 شده است. بر اساس این مقایسه، مشخص شد که دقت مدل در حالت دوم بهبود قابل توجهی یافته و نگار صوتی توانسته است سنگ‌شناسی برآورد شده را به مقدار واقعی نزدیک‌تر کند.
مهدی پاریاب
چکیده
سنگهای منشأ هیدروکربن به عنوان منبع تولید و استخراج هیدروکربن، همواره مورد توجه بوده و با آزمایشهای گوناگون، بررسی می‌شوند. در این مقاله نیز سعی شده از روشی با هزینه و زمان کمتر یکی از ویژگیهای آنها مطالعه گردد. به منظور تعیین توان هیدروکربن‌زایی سنگ منشأ هیدروکربن، در آزمایشگاه ژئوشیمی با استفاده از دستگاه ...
بیشتر
سنگهای منشأ هیدروکربن به عنوان منبع تولید و استخراج هیدروکربن، همواره مورد توجه بوده و با آزمایشهای گوناگون، بررسی می‌شوند. در این مقاله نیز سعی شده از روشی با هزینه و زمان کمتر یکی از ویژگیهای آنها مطالعه گردد. به منظور تعیین توان هیدروکربن‌زایی سنگ منشأ هیدروکربن، در آزمایشگاه ژئوشیمی با استفاده از دستگاه Rock-Eval تعداد محدودی نمونه آزمایش شد و گازهای هیدروکربن متساعد شده از نمونه‌ها در دمایC° 350 به عنوان توان حال حاضر تولید هیدروکربن از سنگ منشأ هیدروکربن تحت واحدmgHy/gr rock و یاKgHy/Ton rock در نظر گرفته شد. از آنجا که این نوع برآورد توان هیدروکربن‌زایی، زمان و هزینة نسبتاً بالایی دارد و در کل میدان یا بازة سازند اعمال نمی‌شود، در روشی که در این مطالعه استفاده گردیده، با کالیبره کردن اطلاعات حاصل از نمونه‌ها که محدود به نقاط خاصی از چاهها بوده، می‌توان در نقاط دیگر فاقد اطلاعات نمونه، نیز این ویژگی را تعیین کرد. پس از مشخص نمودن اطلاعاتی همانند S2،Tmax وTOC در آزمایشگاه به منظور برآورد توان هیدروکربن‌زایی(S2) در دو سازند پابده و گورپی، از روش LogR ∆ و برهم‌نهی نگارهای چاه‌نگاری مقاومت- صوتی، مقاومت- چگالی و مقاومت- نوترون، مقادیر TOC در دو سازند مذکور در چاههای A و B یکی از میدانهای نفتی در جنوب باختر ایران محاسبه گردید. سپس با تعمیم رابطه‌ای که از مقایسه اطلاعات حاصل از مغزه‌ها بین S2 و TOC در این دو چاه به دست آمد، در کل بازه سازندها مقدار S2 از این رابطه و مقادیر TOC حاصل از روش LogR ∆ محاسبه شد و توان این دو سازند در تولید هیدروکربن ارزیابی گردید. در نهایت نیز مقادیر به دست آمده در هر چاه توسط شبکه عصبی پیشخور با قابلیت آموزش برگشت‌پذیر طراحی شده توسط روش آزمون و خطا در نرم‌افزار Matlab، مورد بررسی قرار گرفته و نتایج مناسبی از شبکه به دست آمد.
