پديد آورنده :
محمودي، شيركو
عنوان :
تخمين پارامترهاي پتروفيزيكي يكي از مخازن نفتي جنوب به روش تلفيقي شبكه عصبي فازي (نر و فازي)
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده معدن
صفحه شمار :
[هشت]،67ص.: مصور،جدول،نمودار
يادداشت :
ص.ع.به فارسي و انگليسي
استاد راهنما :
نادر فتحيان پور، حسن طباطبائي
توصيفگر ها :
نفوذپذيري , تخلخل
تاريخ نمايه سازي :
31/2/93
استاد داور :
احمدرضا مختاري، لهراسب فرامرزي
چكيده فارسي :
1 چكيده مخزن نفتي ميباشند با اين حال برآورد تخلخل و نفوذ پذيري از تشكيوت تخلخل و نفوذپذيري از مهمترين پارامترها براي توصي ناهمگن چاه با استفاده از روش آماري متعارف مشكل و پيچيده است هدف از اين پايان نامه استفاده از روش تركيبي شبكه عصبي فازي در تخمين پارامتر هاي پتروفيزيكي مخزن تخلخل و نفوذپذيري و مقايسه با روشهاي فازي و عصبي به صورت مجزا در يكي از مخازن نفتي جنوب مخزن آسماري در ميدان نفتي اهواز است براي اين منظور از امكانات نرمافزار Matlab استفاده شد طاقديس به طول 11 كيلومتر و عرض 4 تا1 كيلومتر ما بين طول هاي جغرافيايي 14 و 94 درجيه و عيرضهياي ميدان اهواز به صورت ي جغرافيايي 13 و 23 درجه در جنوب تا جنوب غربي فروافتادگي دزفول شمالي قرار داشته و روند آن شمالغربي جنوبشرقي بيه ميوازات دولوميتي شده كمپلكس چينه شناسي شامل ماسه سنگ و سنگ آه رشته كوه زاگرس است مخزن آسماري ميدان نفتي اهواز از ي و جدايش مخزن در درون خود شده است تشكيل شده است كه درون اليههاي شيلي باعث تفكي در اين تحقيق از اطوعات 23 چاه اكتشافي در نيمه جنوب شرقي اين طاقديس كه از نظر خصوصيات مخزني مشابهت بيشتري دارند استفاده شده است داده هاي ورودي شامل نمودار صوتي DT نمودار قطرسنجي CAL نمودار نوترون NPHI نمودار چگالي RHOB تخلخل مفيد PHIE و اشباع آب SW مي باشند سيستم استنتاج فازي با توابع گوسي شكل و با استفاده از خوشه بندي فازي كاهنده براي تعيين تعداد در مرحله ي اول از اين تحقيق ي از متغيرهاي ورودي و روش حداقل مربعات براي تعيين ضرايب خروجي استفاده شد براي غيرفازي كردن از توابع عضويت براي هر ي روش ميانگين وزني واز الگوريتم پس انتشار برمبناي روش گراديان نزولي يا كاهش شيب براي آموزش سيستم فازي طراحيشده و از سيستم فازي تاكاگي سوگنو به منظور پيشبيني مقدار خروجي استفاده شد شبكه عصبي طراحيشده ي شبكهي پيشرو با سه اليه و با تانژانت سيگموئيد و خطي بود كه به ترتيب 21درصد براي دادههاي آموزشي و براي دادههاي تست و دادههاي اعتبارسنجي توابع تحري هر كدام22 درصد دادهها به صورت تصادفي انتخاب شدند روش عصبي فازي استفاده شده سيستم نروفازي سازگار آنفيس با پنج اليه بود كه از قوانين اگر آنگاه براي پيش بيني خروجي و روش پس انتشار استفاده مي كرد مقايسهي نتايج و تطبيق نمودارهاي حاصل از روشهاي نرو فازي فازي و عصبي حاكي از برتري روش نرو فازي در مقايسه با روشهاي شبكه عصبي و فازي بود كه ميزان خطاي حداقل مربعات براي هركدام از روش ها به ترتيب بدست آمد كه دليل آن استفاده روش نروفازي از قابليت هاي هردو روش فازي و شبكه عصبي است ميزان خطا براي سه روش فوق براي نفوذپذيري200 0 500 0 و100 0 بدست آمد همچنين مقدار خطا براي تخلخل به ترتيب 310 0 010 0 و 500 0 بدست آمد كلمات كليدي نفوذپذيري تخلخل شبكههاي عصبي منطق فازي نرو فازي
چكيده انگليسي :
Estimating petrophysical parameters of one of Iranian south oil fields using Neuro Fuzzy approach Shirko Mahmoudi Sh mahmoudi1989@gmail com Date of Submission 2013 9 22 Department of Mining Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisors Dr Nader Fathianpour and Dr Sayed Hasan TabatabaeiAbstractReservoir characterization is a process of describing various reservoir properties using all available data toproduce reliable reservoir model to enable predicting reservoir performance Reservoir characterization plays acrucial role in modern reservoir management The most important reservoir properties include pore and grainsize distributions permeability porosity facies distribution and depositional environment The types ofinformation needed for describing such properties are core analysis data well log data well test results production and seismic survey data Especially well log data can provide valuable but indirect informationabout mineralogy texture sedimentary structures and fluid content of a reservoir Reservoir porosity andpermeability are the two fundamental rock properties which relate to the amount of fluid contained in areservoir and its ability to flow when fluid subjected to applied pressure gradients These properties have asignificant impact on oil fields productivity and reservoir management However porosity and permeabilityestimation from conventional well logs in heterogeneous reservoirs is a difficult and complex problem to solveby conventional statistical methods Statistical methods have pitfalls in estimating these two parameters Ahwaz oil field is an anticline with 67 kilometers length and 4 6 kilometers width that is located insouthwestern of Iran In this study the provided information from 32 exploration wells was employed Comparing results of estimating reservoir properties from well log data using different intelligent methodsshowed that Neuro fuzzy technique has outperformed fuzzy logic and artificial neural networks ANN techniques For all of these three techniques wer 32 wells data from Ahwaz oil field were employed andprocessed in MATLAB programming environment The Inputed log data used in current study were caliperlog CAL sonic log DT neutron log NPHI and density log RHOB plus effective porosity PHIE andwater saturation SW estimates In first step a fuzzy inference system FIS was created using Sugeno method and Gaussian membershipfunctions based on subtractive clustering Back propagation algorithm was used for training testing andchecking data The ANN system was feed forward which trained by back propagation algorithm Sixty twentyand twenty percent of Data were used for network training testing and validating respectively The finalpredicted versus measured data analysis indicated that Neuro Fuzzy has lower root mean squared error inpredicting core porosity and permeability values compared to the ANN and Fuzzy logic employed in thisstudy Keywords Reservoir Characterization Artificial Neural Network Fuzzy Logic Neuro Fuzzy
استاد راهنما :
نادر فتحيان پور، حسن طباطبائي
استاد داور :
احمدرضا مختاري، لهراسب فرامرزي
