تخمین کل محتوای کربن آلی با استفاده از نشانگرهای لرزه ای داخلی و خارجی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تخمین کل محتوای کربن آلی با استفاده از نشانگرهای لرزه ای داخلی و خارجی دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تخمین کل محتوای کربن آلی با استفاده از نشانگرهای لرزه ای داخلی و خارجی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تخمین کل محتوای کربن آلی با استفاده از نشانگرهای لرزه ای داخلی و خارجی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تخمین کل محتوای کربن آلی با استفاده از نشانگرهای لرزه ای داخلی و خارجی :

تعداد صفحات :۱۲

چکیده مقاله:

تخمین ویژگی های مخزن با استفاده از داده های لرزه ای اهمیت بسیار زیادی در مطالعات مربوط به مخازن نفتی دارد. نشانگرها و بررسی آنها در مطالعه و ارزیابی میدان ها نقش مهمی را در تخمین ویژگی های مخزنی ایفا می کنندو از آن ها برای دستیابی به اهداف مختلف در بررسی مخزن استفاده می گردد. با توجه به این که داده های دو بعدی لرزه نگاری به تنهایی توانایی تخمین ذخیره مخزن نفتی را ندارند، نیازمند استفاده از نشانگرهای لرزه ای برای تخمین ویژگی های مخزن می باشیم. مقدار (TOC) کل کربن آلی Total Organic Carbon یکی از پارامترهای مهم در سنگ منشأ است که می تواند برای ارزیابی پتانسیل تولید و توصیف خصوصیات ژئوشیمی سنگ های مولد هیدروکربن استفاده شود. هدف اصلی این مطالعه تعیین زون های غنی از ماده آلی در میدان مورد مطالعه است که با ایجاد ارتباطی بین نگار محتوای کربن آلی در محل چاه ها و بررسی مقاطع لرزه ای حاصل از نشانگرهای داخلی و خارجی انجام می گیرد. با بکار بستن وارون سازی لرزه ای به کمک نرم افزار همپسون-راسل ۹، امپدانس صوتی پهن باند از داده های لرزه ای استخراج شد که به عنوان نشانگر خارجی در نظر قرار گرفته شد و ارتباطش با TOC مورد بررسی قرار گرفت سپس با استفاده از شبکه های عصبی موجود در بخش EMERGE به استخراج نشانگرهای داخلی بهینه مرتبط با پارامتر TOC پرداخته شده است. نتایج نشان دادند که مقاطع حاصل از آنالیز چند نشانگری با استفاده از شبکه عصبی پیشخور چند لایه (MLFN) بهترین ارتباط را با TOC نشان داده اند.