مقایسه کارکرد شبکه‌های عصبی مرسوم برای برآورد تخلخل در یکی از میدان‌های نفتی جنوب خاوری ایران
در صنعت نفت از هوش مصنوعی برای شناسایی روابط، بهینه‌سازی، برآورد و رده‌بندی تخلخل بهره‌گیری می‌شود. یکی از مهم‌ترین مراحل ارزیابی پارامترهای پتروفیزیکی مخزن، شناسایی ویژگی‌های تخلخل است. هدف اصلی این پژوهش مقایسه درستی و تعمیم‌پذیری سه شبکه عصبی چند لایه پیش‌خور (MLFN)، شبکه تابع شعاع مبنا (RBFN) و...
Guardado en:
| Autores principales: | , , , |
|---|---|
| Formato: | article |
| Lenguaje: | FA |
| Publicado: |
Research Institute of Petroleum Industry
2021
|
| Materias: | |
| Acceso en línea: | https://doaj.org/article/aa139c653c224b89b8f6cd7639d73b85 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| id |
oai:doaj.org-article:aa139c653c224b89b8f6cd7639d73b85 |
|---|---|
| record_format |
dspace |
| spelling |
oai:doaj.org-article:aa139c653c224b89b8f6cd7639d73b852021-12-05T08:16:06Zمقایسه کارکرد شبکه‌های عصبی مرسوم برای برآورد تخلخل در یکی از میدان‌های نفتی جنوب خاوری ایران2345-29002383-452810.22078/pr.2021.4318.2957https://doaj.org/article/aa139c653c224b89b8f6cd7639d73b852021-08-01T00:00:00Zhttps://pr.ripi.ir/article_1167_893ebfb1e686cc204c3024c947277191.pdfhttps://doaj.org/toc/2345-2900https://doaj.org/toc/2383-4528در صنعت نفت از هوش مصنوعی برای شناسایی روابط، بهینه‌سازی، برآورد و رده‌بندی تخلخل بهره‌گیری می‌شود. یکی از مهم‌ترین مراحل ارزیابی پارامترهای پتروفیزیکی مخزن، شناسایی ویژگی‌های تخلخل است. هدف اصلی این پژوهش مقایسه درستی و تعمیم‌پذیری سه شبکه عصبی چند لایه پیش‌خور (MLFN)، شبکه تابع شعاع مبنا (RBFN) و شبکه عصبی احتمالی (PNN) برای برآورد تخلخل با بهره‌گیری از ویژگی‌های لرزه‌ای است. در این راستا، داده‌های زمین‌شناسی 7 حلقه چاه یک میدان نفتی فراساحلی هندیجان در شمال باختری حوضه خلیج فارس مورد ارزیابی قرارگرفت. امپدانس صوتی با بهره‌گیری از روش وارونگی مبتنی بر مدل برآورد شد و سپس شبکه‌های عصبی یاد شده با بهره‌گیری از ویژگی‌های لرزه‌ای بهینه طراحی شده و با روش رگرسیون گام به گام مورد ارزیابی قرار گرفتند. سرانجام مشخص شد که مدل MLFN برای برآورد تخلخل خوب عمل نمی‌کند. PNN از بهترین دقت کارکرد در درون‌یابی تخلخل برخوردار است، اما تعمیم‌پذیری RBFN بهتر است.فرشاد توفیقیپرویز آرمانیعلی چهرازیاندیشه علی مرادیResearch Institute of Petroleum Industryarticleبرآورد تخلخلبازگردانی لرزه‌ایmlfnrbfnpnnChemical technologyTP1-1185Petroleum refining. Petroleum productsTP690-692.5FAPizhūhish-i Naft, Vol 31, Iss 1400-3, Pp 90-105 (2021) |
| institution |
DOAJ |
| collection |
DOAJ |
| language |
FA |
| topic |
برآورد تخلخل بازگردانی لرزه‌ای mlfn rbfn pnn Chemical technology TP1-1185 Petroleum refining. Petroleum products TP690-692.5 |
| spellingShingle |
برآورد تخلخل بازگردانی لرزه‌ای mlfn rbfn pnn Chemical technology TP1-1185 Petroleum refining. Petroleum products TP690-692.5 فرشاد توفیقی پرویز آرمانی علی چهرازی اندیشه علی مرادی مقایسه کارکرد شبکه‌های عصبی مرسوم برای برآورد تخلخل در یکی از میدان‌های نفتی جنوب خاوری ایران |
| description |
در صنعت نفت از هوش مصنوعی برای شناسایی روابط، بهینه‌سازی، برآورد و رده‌بندی تخلخل بهره‌گیری می‌شود. یکی از مهم‌ترین مراحل ارزیابی پارامترهای پتروفیزیکی مخزن، شناسایی ویژگی‌های تخلخل است. هدف اصلی این پژوهش مقایسه درستی و تعمیم‌پذیری سه شبکه عصبی چند لایه پیش‌خور (MLFN)، شبکه تابع شعاع مبنا (RBFN) و شبکه عصبی احتمالی (PNN) برای برآورد تخلخل با بهره‌گیری از ویژگی‌های لرزه‌ای است. در این راستا، داده‌های زمین‌شناسی 7 حلقه چاه یک میدان نفتی فراساحلی هندیجان در شمال باختری حوضه خلیج فارس مورد ارزیابی قرارگرفت. امپدانس صوتی با بهره‌گیری از روش وارونگی مبتنی بر مدل برآورد شد و سپس شبکه‌های عصبی یاد شده با بهره‌گیری از ویژگی‌های لرزه‌ای بهینه طراحی شده و با روش رگرسیون گام به گام مورد ارزیابی قرار گرفتند. سرانجام مشخص شد که مدل MLFN برای برآورد تخلخل خوب عمل نمی‌کند. PNN از بهترین دقت کارکرد در درون‌یابی تخلخل برخوردار است، اما تعمیم‌پذیری RBFN بهتر است. |
| format |
article |
| author |
فرشاد توفیقی پرویز آرمانی علی چهرازی اندیشه علی مرادی |
| author_facet |
فرشاد توفیقی پرویز آرمانی علی چهرازی اندیشه علی مرادی |
| author_sort |
فرشاد توفیقی |
| title |
مقایسه کارکرد شبکه‌های عصبی مرسوم برای برآورد تخلخل در یکی از میدان‌های نفتی جنوب خاوری ایران |
| title_short |
مقایسه کارکرد شبکه‌های عصبی مرسوم برای برآورد تخلخل در یکی از میدان‌های نفتی جنوب خاوری ایران |
| title_full |
مقایسه کارکرد شبکه‌های عصبی مرسوم برای برآورد تخلخل در یکی از میدان‌های نفتی جنوب خاوری ایران |
| title_fullStr |
مقایسه کارکرد شبکه‌های عصبی مرسوم برای برآورد تخلخل در یکی از میدان‌های نفتی جنوب خاوری ایران |
| title_full_unstemmed |
مقایسه کارکرد شبکه‌های عصبی مرسوم برای برآورد تخلخل در یکی از میدان‌های نفتی جنوب خاوری ایران |
| title_sort |
مقایسه کارکرد شبکه‌های عصبی مرسوم برای برآورد تخلخل در یکی از میدان‌های نفتی جنوب خاوری ایران |
| publisher |
Research Institute of Petroleum Industry |
| publishDate |
2021 |
| url |
https://doaj.org/article/aa139c653c224b89b8f6cd7639d73b85 |
| work_keys_str_mv |
AT frsẖạdtwfyqy mqạyshḵạrḵrdsẖbḵhhạyʿṣbymrswmbrạybrậwrdtkẖlkẖldryḵyạzmydạnhạynftyjnwbkẖạwryạyrạn AT prwyzậrmạny mqạyshḵạrḵrdsẖbḵhhạyʿṣbymrswmbrạybrậwrdtkẖlkẖldryḵyạzmydạnhạynftyjnwbkẖạwryạyrạn AT ʿlycẖhrạzy mqạyshḵạrḵrdsẖbḵhhạyʿṣbymrswmbrạybrậwrdtkẖlkẖldryḵyạzmydạnhạynftyjnwbkẖạwryạyrạn AT ạndysẖhʿlymrạdy mqạyshḵạrḵrdsẖbḵhhạyʿṣbymrswmbrạybrậwrdtkẖlkẖldryḵyạzmydạnhạynftyjnwbkẖạwryạyrạn |
| _version_ |
1718372575688523776 |