دانش رسان |
مرکز علم و دانش کشور مقاله برآورد توزیع تخلخل مخزن از نشانگرهای لرزهای با استفاده از مدل عصبی- فازی NEFPROX در دشت گرگان
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله برآورد توزیع تخلخل مخزن از نشانگرهای لرزهای با استفاده از مدل عصبی- فازی NEFPROX در دشت گرگان دارای ۲۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله برآورد توزیع تخلخل مخزن از نشانگرهای لرزهای با استفاده از مدل عصبی- فازی NEFPROX در دشت گرگان 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 مقاله برآورد توزیع تخلخل مخزن از نشانگرهای لرزهای با استفاده از مدل عصبی- فازی NEFPROX در دشت گرگان،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله برآورد توزیع تخلخل مخزن از نشانگرهای لرزهای با استفاده از مدل عصبی- فازی NEFPROX در دشت گرگان :
تعداد صفحات :۲۶
برآورد توزیع تخلخل مخزن در فواصل بین چاه‌ها در تعیین دقیق گسترش جانبی مخزن و در نتیجه در برآورد میزان ذخیره هیدروکربوری و برنامه‌ریزی برای بهره‌برداری از مخزن، از اهمیت اساسی برخوردار است. یکی از دقیق‌ترین روش‌هایی که تاکنون برای این منظور به‌کار رفته، استفاده از برآوردگر غیرخطی مانند شبکه عصبی و مدل‌های عصبی- فازی برای برآورد پارامتر پیش‌گفته از نشانگرهای لرزهای است. شبکه‌های عصبی و مدل‌های عصبی- فازی هر دو برآورد‌گرهای غیرخطی خوبی هستند، اما مدل‌های عصبی- فازی یک مزیت نسبت به شبکه‌های عصبی دارند و آن تفسیر‌پذیری مدل عصبی- فازی است. در این تحقیق از مدل عصبی- فازی NEFPROX برای برآورد تخلخل در یک مخزن گازی در دشت گرگان استفاده شده است. با توجه به مقاطع تخلخل به‌دست آمده، دو کانال ماسه‌ای و ماسه‌ای- رُسی با تخلخل نسبتاً کم در واحد زمین‌‌شناسی Brown Beds به وضوح قابل تشخیص است و تغییرات جانبی آنها را در این مقاطع می‌توان دنبال کرد. مغزه‌های حاوی هیدروکربن که از چاه GO3 گرفته شده‌اند، وجود دو کانال پیش‌گفته را تأیید می‌‌کنند. نتایج برآورد تخلخل با این مدل عصبی- فازی نشان می‌دهد که دقت آن تقریباً برابر دقت شبکه عصبی MLP برای برآورد تخلخل است ولی از دقت شبکه عصبی RBF برای برآورد تخلخل بیشتر است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
