برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان: 

کاربرد شبکه عصبی مصنوعی در تخمین کانی های رسی در یکی از میدان های جنوب کشور

نوع ارائه: مقاله
نویسنده: شريفي حسام الدين*,قاسم العسكري محمدكمال
 
 *دانشکده مهندسي نفت، دانشگاه آزاد اسلامي، واحد علوم و تحقيقات، تهران، ايران
 
عنوان همایش: كنفرانس بين المللي نفت، گاز، پتروشيمي و نيروگاهي
نوع همایش:  سازمان ها و مراکز غير دولتي
حامی:  شرکت تعاونی آموزشی پژوهشی وستا
زمان:  1391دوره 1
 
چکیده: 

از مهم ترين پارامترهاي مورد بررسي در موضوعات مختلف نفتي اعم از حفاري، مخزن، اکتشاف و تعيين پارامترهاي پتروفيزيکي، نوع کاني هاي رسي مي باشد. کاني هاي رسي همچون کائولينيت و مونت موريلونيت بعلت تورم بسيار زيادشان موجب مشکلات حفاري مي شوند، در نتيجه تعيين نوع و توزيع کاني هاي رسي کمک موثري در بهبود پارامترهاي حفاري و تصحيح پارامترهاي پتروفيزيکي از جمله درجه اشباع آب دارد. تاکنون کراس پلات هاي مشخصي براي تعيين کاني غالب رسي از سوي دانشمندان معرفي شده است ولي بررسي هاي اخير نشان داده است که اين کراس پلات ها نيز گاها نتايجي مغاير با داده هاي XRD نشان مي دهند، پس ارائه روشي جديد در بهبود و تکميل اين کراس پلات ها ضروري است. در اين تحقيق رابطه مکاني کاني هاي رسي با نوع کاني هاي رسي مورد بررسي قرار گرفته است و درصد کاني هاي رسي در محل هايي که داده هاي XRD موجود نمي باشد توسط شبکه عصبي مصنوعي تعيين مي شود. نوع روش بکار برده شده در اين مقاله، روش پرسپترون چند لايه مي باشد و ورودي هاي شبکه عصبي داده هاي مکاني و خروجي هاي آن درصد 4 کاني رايج رسي مي باشد. نتايج اين پژوهش نشان مي دهد که مي توان با دقت مناسبي از داده هاي مکاني کاني رسي به نوع کاني غالب رسي در آن منطقه دست پيدا کرد.

 
کلید واژه: کاني هاي رسي، شبکه عصبي مصنوعي، درجه اشباع آب، روش پرسپترون چند لايه
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 
ارتباط خیلی زیاد ارتباط زیاد مرتبط ارتباط کمتر
 
 
بازدید یکساله 109   pdf-file
 
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی