فهرست مقالات petrophysical Logs

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - بکار گیری روش های تشخیص الگو جهت شناسائی سیالات مخزنی با استفاده از داده های پترو فیزیکی
  امیر ملا جان حسین معماریان بهزاد تخم چی
  تشخیص نوع ونحوه ی توزیع سیالات مخزنی یکی از کارهای اصلی در چاه پیمائی وتست چاه محسوب می شود .تاکنون روش های مختلفی برای شناسائی نوع سیالات مخزنی ارائه شده است که در یک تقسیم بندی کلی می توان آن ها را دو گروه روش های مستقیم(تست چاه و.....)وروش های غیر مستقیم (مطالعات لرز چکیده کامل

  تشخیص نوع ونحوه ی توزیع سیالات مخزنی یکی از کارهای اصلی در چاه پیمائی وتست چاه محسوب می شود .تاکنون روش های مختلفی برای شناسائی نوع سیالات مخزنی ارائه شده است که در یک تقسیم بندی کلی می توان آن ها را دو گروه روش های مستقیم(تست چاه و.....)وروش های غیر مستقیم (مطالعات لرزه سه بعدی واستفاده از چاه نمودار های پترو فیزیکی )تقسیم بندی نمود .در این بین استفاده از داده های مربوط به چاه نمودار های پترو فیزیکی به دلیل قدرت تفکیک بالا وانطباق بیشتر بر واقعیت چاه های نفتی ،بسیار مرسوم تر از روش های مستقیم ونیز داده های ژئوفیزیک لرزه ای هستند .در این مقاله با استفاده از چاه نمودار های پترو فیزیکی نسبت به شناسائی نوع سیالات مخزنی در سه گروه نفت، نفت آبداروآب در یک مخزن کربناته اقدام شده است .در الگوریتم طراحی شده از دو تکنیک آنالیز موجک وطبقه بندی استفاده شده وروش انتخابی بر روی داده های مربوط به پنج چاه از یک میدان نفتی در جنوب غرب ایران پیاده سازی شده است .در نهایت نیز نتایج بدست آمده از این روش با پاسخ های تست چاه مورد مقایسه وصحت سنجی قرار گرفته است .نتایج حاکی از آن است که با استفاده از این روش می توان با دقت قابل قبولی نوع سیالات درون مخزن را شناسایی نمود . پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - طراحی مدل گروهی تخمین تراوایی مخزن هیدروکربوری با استفاده از نگاره¬هاي پتروفيزيكي بر اساس تفكيك ليتولوژيكي
  عباس سلحشور احمد گائینی علیرضا شاهین مصیب کمری
  تراوايي يا نفوذپذيري، یکی از خصوصیات مهم مخازن نفت و گاز است که پیش بینی آن دشوارمي باشد. در حل حاضر از مدل های تجربی و رگرسیوني برای پیش بینی نفوذپذیری استفاده مي شود كه شامل صرف زمان و هزينه هاي زياد مرتبط با اندازه گیری آزمایشگاهی است. در چند وقت اخیر، به دلیل قابلیت چکیده کامل

  تراوايي يا نفوذپذيري، یکی از خصوصیات مهم مخازن نفت و گاز است که پیش بینی آن دشوارمي باشد. در حل حاضر از مدل های تجربی و رگرسیوني برای پیش بینی نفوذپذیری استفاده مي شود كه شامل صرف زمان و هزينه هاي زياد مرتبط با اندازه گیری آزمایشگاهی است. در چند وقت اخیر، به دلیل قابلیت پیش بینی بهتر، از الگوریتم های یادگیری ماشین برای پیش بینی تراوايي استفاده شده است. در این مطالعه، مدل یادگیری ماشین گروهي جدیدي برای پیش بینی تراوايي در مخازن نفت و گاز معرفی شده است. در این روش ، داده های ورودي با استفاده از اطلاعات ليتولوژي لاگ ها برچسب گذاري شده و به تعدادي از دسته ها تفكيك مي شوند و هر دسته توسط الگوریتم یادگیری ماشین مدل سازی شد. برخلاف مطالعات قبلی که به صورت مستقل روي مدل ها كار مي كردند در اينجا ما ضمن طراحي يك مدل گروهي با استفاده از الگوريتم هاي ETR وDTR و GBR و داده هاي پتروفيزيكي، توانستيم صحت و دقت پيش بيني همچينين خطاي ميانگين مربعات را به طرز چشم گيري بهبود ببخشيم و تراوايي را با دقت 99.82 درصد پيش بيني كنيم. نتایج نشان داد که مدل های گروهي در بهبود دقت پیش بینی تراوايي در مقایسه با مدل های انفرادي تاثير فراواني دارند و همچنين تفكيك نمونه ها بر اساس اطلاعات ليتوژي دليلي بر بهينه نمودن تخمين تروايي نسبت به تحقيقات گذشته بود. پرونده مقاله