|
|
|
|
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
|
|
|
|
|
|
|
|
نویسنده
|
سفیداری ابراهیم ,امینی عبدالحسین ,دشتی علی
|
|
منبع
|
پژوهش نفت - 1395 - دوره : 26 - شماره : 89 - صفحه:175 -187
|
|
چکیده
|
شبکه منفذی کنترل‌کننده 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.
|
|
کلیدواژه
|
رخساره منفذی، شبکه عصبی خودسازمانده، ماشین بردار پشتیبان، میدان گازی پارس جنوبی، سازندهای دالان و کنگان
|
|
آدرس
|
دانشگاه تهران, دانشکده زمین شناسی، پردیس علوم, ایران. دانشگاه شهید بهشتی, پژوهشکده علوم کاربردی جهاد دانشگاهی, ایران, دانشگاه تهران, دانشکده زمین‌شناسی، پردیس علوم, ایران, دانشگاه تهران, دانشکده زمین‌شناسی، پردیس علوم, ایران
|
|
پست الکترونیکی
|
alidashti@ut.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Determination and prediction of Porefacies based on a Compilation of Mercury Injection, Petrophysical and Petrographic Data Using a Hybrid of Selforganizing Neural Network and Support Vector Machine
|
|
|
|
|
Authors
|
sfidari ebrahim ,Amini Abdolhossein ,Dashti Ali
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|