جهت دسترسی به کاربرگه ی زیر، از این لینک استفاده کنید. http://dl.pgu.ac.ir/handle/Hannan/161045
Title: کاربرد روش‌های داده کاوی در پیش‌بینی رفتار استاتیک و خواص دینامیک مخازن هیدروکربوری
Authors: پیمان ترابیده
Keywords: داده کاوی، شبکه‌ی عصبی مصنوعی، تراوایی، آزمایش چاه، تخلخل و شاخص بهره‌دهی چاه
Issue Date: 1392
Abstract: برای توسعه و ارزیابی میادین نفت و گاز، داشتن اطلاعات کافی در مورد مخازن هیدروکربوری امری ضروری و اجتناب ناپذیر است، به عبارت دیگر تعیین پارامتر‌های مختلف سنگ و سیال مخزن در ارزیابی مخازن هیدروکربوری از اهمیت زیادی برخوردار است. از مهم‌ترین پارامتر‌های تعیین کننده‌ی ارزش اقتصادی یک مخزن می‌توان از تراوایی و تخلخل نام برد. تراوایی و تخلخل به همراه برخی پارامتر‌های مخزنی دیگر نقش بسیار مهمی در ارزیابی میزان ذخایر نفت و گاز دارد. در صنعت نفت روش استاندارد برای تعیین اکثر پارامترهای نام برده شده، آنالیز مغزه، روش‌های آزمایشگاهی، آزمایش چاه و روابط تجربی است. به دلیل این که روش‌های آزمایشگاهی (و روش‌های چاه آزمایی) زمان بر بوده و پر هزینه هستند همچنین معمولاً در همه‌ی چاه‌های یک مخزن مغزه گیری انجام نمی‌شود، از طرفی در مدل‌های تجربی برخی فرض‌ها و محدودیت‌ها در آن‌ها اعمال شده یعنی در موارد خاصی به کار می‌روند و در جاهای دیگر دقت و کارایی لازم را ندارند. در نتیجه روشی که بتواند با استفاده از اعمال ورودی (ورودی‌ها) خواص اشاره شده (تراوایی، تخلخل و...) را به دست دهد، اهمیت زیادی خواهد داشت؛ لذا یک روش جایگزین برای تعیین خواص اشاره شده استفاده از ابزارهای هوش مصنوعی و یادگیری ماشینی است. در این مطالعه هدف اصلی بهره‌گیری از روش بهینه‌سازی غیر خطی به نام شبکه‌های عصبی مصنوعی برای پیش‌بینی پارامتر‌های مخزنی است. داده‌ها برای مراحل مختلف یادگیری و ارزیابی شبکه به سه دسته، آموزش، اعتبارسنجی و آزمون تقسیم بندی می‌شود، بعد از پردازش داده‌ها 70 درصد آن‌ها برای آموزش شبکه، 15 درصد برای اعتبار سنجی و 15 درصد برای آزمایش (در MLP) و 30 درصد یرای آزمایش در RBF و SVM قرار داده شده‌اند. نتایج نشان می‌دهد شبکه‌های عصبی دارای دو لایه مخفی بهترین شبیه سازی را انجام می‌دهند.
Description: پایان‌نامه کارشناسی ارشد در رشته مهندسی شیمی گرایش مخازن هیدرو کربوری
URI: http://dl.pgu.ac.ir/handle/Hannan/161045
Type Of Material: پایان‌نامه فارسی
Appears in Collections:Chemical Engineering مهندسی شیمی

Files in This Item:
File SizeFormat 
پ803.pdf4.02 MBAdobe PDFDownload    Request a copy


تمامی کاربرگه ها در کتابخانه ی دیجیتال حنان به صورت کامل محافظت می شوند.