تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمان‌ده و ماشین بردار پشتیبان
شبکة منفذی کنترل‌کنندة رفتار سیالات در سنگ مخزن است. در مخازن کربناته بهدلیل عدمتبعیت خصوصیات جریان سیال از بافت رسوبی اولیه، ویژگی‌های شبکه منفذی باید مستقیما در فرآیند تعیین رخساره استفاده شوند تا بتوان شرایط واقعی مخزن را تحلیل کرد. در این مطالعه با استفاده از ترکیب مطالعات پتروگرافی، پتروفیزیک...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Research Institute of Petroleum Industry
2016-12-01
|
| Series: | Pizhūhish-i Naft |
| Subjects: | |
| Online Access: | https://pr.ripi.ir/article_681_19d3eccd33e811a05707665b257fdeab.pdf |
| _version_ | 1818619242367418368 |
|---|---|
| author | ابراهیم سفیداری عبدالحسین امینی علی دشتی |
| author_facet | ابراهیم سفیداری عبدالحسین امینی علی دشتی |
| author_sort | ابراهیم سفیداری |
| collection | DOAJ |
| description | شبکة منفذی کنترل‌کنندة رفتار سیالات در سنگ مخزن است. در مخازن کربناته بهدلیل عدمتبعیت خصوصیات جریان سیال از بافت رسوبی اولیه، ویژگی‌های شبکه منفذی باید مستقیما در فرآیند تعیین رخساره استفاده شوند تا بتوان شرایط واقعی مخزن را تحلیل کرد. در این مطالعه با استفاده از ترکیب مطالعات پتروگرافی، پتروفیزیکی و مهندسی مخزن، رخساره‌های منفذی و سنگی در سازندهای کنگان و دالان در میدان گازی پارس جنوبی مطالعه شدهاند. بر این اساس پنج رخساره منفذی با استفاده از روش شبکه‌های عصبی خودسازمان‌ده خصوصیات پتروفیزیکی، زمین‌شناسی و مخزنی منحصربهفردی دارند. براساس خصوصیات این رخساره‌های منفذی یک روند مشخص کاهش کیفیت مخزنی از رخساره یک به سمت رخساره پنج مشاهده شد. در نهایت برای ارتباط دادن رخساره‌های معرفیشده و نمودارهای پتروفیزیکی از روش ماشین بردار پشتیبان استفاده شد که با استفاده از روش میانگین مربعات خطا از نمودارهای چاه‌نگاری، رخساره‌های معرفیشده را با دقت 78% پیش‌بینی کرد. |
| first_indexed | 2024-12-16T17:34:22Z |
| format | Article |
| id | doaj.art-af9aae3521b34a00b32b96111370e24b |
| institution | Directory Open Access Journal |
| issn | 2345-2900 2383-4528 |
| language | fas |
| last_indexed | 2024-12-16T17:34:22Z |
| publishDate | 2016-12-01 |
| publisher | Research Institute of Petroleum Industry |
| record_format | Article |
| series | Pizhūhish-i Naft |
| spelling | doaj.art-af9aae3521b34a00b32b96111370e24b2022-12-21T22:22:50ZfasResearch Institute of Petroleum IndustryPizhūhish-i Naft2345-29002383-45282016-12-01264-9517518710.22078/pr.2016.681681تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمان‌ده و ماشین بردار پشتیبانابراهیم سفیداری0عبدالحسین امینی1علی دشتی2دانشکده زمین‌شناسی، پردیس علوم، دانشگاه تهران، ایران|گروه زمین‌شناسی نفت، پژوهشکده علوم کاربردی جهاد دانشگاهی، واحد دانشگاه شهید بهشتی، تهران، ایراندانشکده زمین‌شناسی، پردیس علوم، دانشگاه تهران، ایراندانشکده زمین‌شناسی، پردیس علوم، دانشگاه تهران، ایرانشبکة منفذی کنترل‌کنندة رفتار سیالات در سنگ مخزن است. در مخازن کربناته بهدلیل عدمتبعیت خصوصیات جریان سیال از بافت رسوبی اولیه، ویژگی‌های شبکه منفذی باید مستقیما در فرآیند تعیین رخساره استفاده شوند تا بتوان شرایط واقعی مخزن را تحلیل کرد. در این مطالعه با استفاده از ترکیب مطالعات پتروگرافی، پتروفیزیکی و مهندسی مخزن، رخساره‌های منفذی و سنگی در سازندهای کنگان و دالان در میدان گازی پارس جنوبی مطالعه شدهاند. بر این اساس پنج رخساره منفذی با استفاده از روش شبکه‌های عصبی خودسازمان‌ده خصوصیات پتروفیزیکی، زمین‌شناسی و مخزنی منحصربهفردی دارند. براساس خصوصیات این رخساره‌های منفذی یک روند مشخص کاهش کیفیت مخزنی از رخساره یک به سمت رخساره پنج مشاهده شد. در نهایت برای ارتباط دادن رخساره‌های معرفیشده و نمودارهای پتروفیزیکی از روش ماشین بردار پشتیبان استفاده شد که با استفاده از روش میانگین مربعات خطا از نمودارهای چاه‌نگاری، رخساره‌های معرفیشده را با دقت 78% پیش‌بینی کرد.https://pr.ripi.ir/article_681_19d3eccd33e811a05707665b257fdeab.pdfرخساره منفذیشبکه عصبی خودسازماندهماشین بردار پشتیبانمیدان گازی پارس جنوبیسازندهای دالان و کنگان |
| spellingShingle | ابراهیم سفیداری عبدالحسین امینی علی دشتی تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمان‌ده و ماشین بردار پشتیبان Pizhūhish-i Naft رخساره منفذی شبکه عصبی خودسازمان‌ده ماشین بردار پشتیبان میدان گازی پارس جنوبی سازندهای دالان و کنگان |
| title | تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمان‌ده و ماشین بردار پشتیبان |
| title_full | تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمان‌ده و ماشین بردار پشتیبان |
| title_fullStr | تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمان‌ده و ماشین بردار پشتیبان |
| title_full_unstemmed | تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمان‌ده و ماشین بردار پشتیبان |
| title_short | تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمان‌ده و ماشین بردار پشتیبان |
| title_sort | تعیین و پیش‌بینی رخساره‌های منفذی براساس تلفیقی از داده‌های تزریق جیوه، پتروفیزیکی و پتروگرافی با استفاده از ترکیب شبکه‌های عصبی خودسازمان‌ده و ماشین بردار پشتیبان |
| topic | رخساره منفذی شبکه عصبی خودسازمان‌ده ماشین بردار پشتیبان میدان گازی پارس جنوبی سازندهای دالان و کنگان |
| url | https://pr.ripi.ir/article_681_19d3eccd33e811a05707665b257fdeab.pdf |
| work_keys_str_mv | AT ạbrạhymsfydạry tʿyynwpysẖbynyrkẖsạrhhạymnfdẖybrạsạstlfyqyạzdạdhhạytzryqjywhptrwfyzyḵywptrwgrạfybạạstfạdhạztrḵybsẖbḵhhạyʿṣbykẖwdsạzmạndhwmạsẖynbrdạrpsẖtybạn AT ʿbdạlḥsynạmyny tʿyynwpysẖbynyrkẖsạrhhạymnfdẖybrạsạstlfyqyạzdạdhhạytzryqjywhptrwfyzyḵywptrwgrạfybạạstfạdhạztrḵybsẖbḵhhạyʿṣbykẖwdsạzmạndhwmạsẖynbrdạrpsẖtybạn AT ʿlydsẖty tʿyynwpysẖbynyrkẖsạrhhạymnfdẖybrạsạstlfyqyạzdạdhhạytzryqjywhptrwfyzyḵywptrwgrạfybạạstfạdhạztrḵybsẖbḵhhạyʿṣbykẖwdsạzmạndhwmạsẖynbrdạrpsẖtybạn |