دوره 1401، شماره 199 - ( 4-1401 )                   جلد 1401 شماره 199 صفحات 16-4 | برگشت به فهرست نسخه ها

XML Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

عسگری پیربلوطی برزو. بررسی استفاده از روش‌های یادگیری ماشین به منظور دسته‌بندی سنگ مخازن هیدروکربنی در میدان نفتی A. ماهنامه علمی اکتشاف و تولید نفت و گاز. 1401; 1401 (199) :16-4

URL: http://ekteshaf.nioc.ir/article-1-3301-fa.html


گروه مهندسی نفت دانشگاه آزاد اسلامی مسجد سلیمان
چکیده:   (660 مشاهده)
تقسیم مخازن هیدروکربنی پیچیده (از جمله مخازن هیدروکربنی در ایران) به دسته‌های سنگی متفاوت پیش از توسعه‌ی روابط تحلیلی بین پارامترهایی همچون تراوایی و تخلخل، ضرورت دارد. دسته‌بندی سنگ مخزن، کیفیت ساخت مدل مخزن و در نتیجه، تخمین میزان نفت درجا، تحرک‌پذیری سیالات و پیش‌بینی رفتار آنها را تحت‌تاثیر قرار می‌دهد. عمده‌ی تحقیقات انجام شده در زمینه‌ی دسته‌بندی سنگ مخزن بر پایه‌ی روش‌های تحلیلی و بر اساس روابطی است که برای توصیف فضای خالی مخزن توسعه یافته است. از این میان می‌توان به روش توسعه داده شده توسط آمافول و همکاران(RQI-FZI) و روش میرزایی پیامن و همکاران(FZI*) اشاره کرد که از روابط تحلیلی ساده برای پارامترهای FZI و FZI* جهت تشخیص دسته‌های سنگ استفاده می‌کند. نتایج استفاده از این روش‌ها حاکی از آن است که این روابط تحلیلی تصور ساده‌سازی‌شده‌ای از سنگ مخزن ارائه می‌کنند و گاهی موجب بروز خطا در محاسبات و عدم دسته‌بندی مناسب سنگ مخزن می‌شوند. روش‌های دسته‌بندی سنگ بر پایه‌ی یادگیری ماشین در مقایسه با روش‌های دسته‌بندی مرسوم از ریاضیات پیچیده‌تری استفاده کرده و امکان دسته‌بندی موفقیت‌آمیز در مخازن پیچیده‌تر را فراهم می‌سازند. علاوه بر این، الگوریتم این روش‌ها با دخالت کمتر کارشناسان و صرف زمان کمتر از جانب آنها اجرا می‌شود. در این مطالعه از داده‌های چاه‌نگاری دو چاه در میدان A جهت دسته‌بندی سنگ مخزن به کمک روش‌های یادگیری ماشین استفاده می‌شود. روش‌ یادگیری ماشینی که در این مطالعه استفاده می‌شود از نوع نقشه‌ی خودسازمان‌ده (1SOM) خواهد بود.
در الگوریتم توسعه داده شده جهت دسته‌بندی سنگ مخزن از تحلیل مولفه‌ی اصلی (2PCA) به منظور کاهش تعداد پارامترهای ورودی به الگوریتم نقشه‌ی خودسازمان‌ده و همچنین کاهش نویز استفاده می‌شود. جهت ارزیابی نتایج دسته‌بندی ایجاد شده نیز از نمودارهای فشار موئینه‌ی آن دو چاه استفاده شده است. همچنین نتایج حاصل با نتایج استفاده از یکی از روش‌های مرسوم دسته‌بندی سنگ مخزن (روش FZI* معرفی شده توسط میرزایی پیامن و همکاران) بر روی داده‌های مغزه‌ی دو چاه مورد اشاره مقایسه شده است. این مقایسه حاکی از بهبود دسته‌بندی سنگ مخزن توسط نقشه‌ی خودسازمان‌ده است.
 
متن کامل [PDF 3371 kb]   (36 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: علوم زمین
دریافت: 1401/4/28 | پذیرش: 1401/4/10 | انتشار: 1401/4/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به ماهنامه علمی- ترویجی اکتشاف و تولید نفت و گاز می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Journal of Exploration & Production Oil & Gas

Designed & Developed by : Yektaweb