مقاله استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن

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

  مقاله استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن  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 استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن :

مقاله استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن که چکیده‌ی آن در زیر آورده شده است، در شهریور ۱۳۸۸ در دانشکده فنی دانشگاه تهران از صفحه ۲۷۱ تا ۲۸۱ منتشر شده است.
نام: استفاده از شبکه عصبی مصنوعی در برآورد حجم در جای هیدروکربن
این مقاله دارای ۱۱ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله حجم درجا
مقاله شبکه عصبی
مقاله تخمین
مقاله تخلخل
مقاله اشباع آب
مقاله مدل سازی مخزن
مقاله روش مونت کارلو

چکیده و خلاصه‌ای از مقاله:
تخمین دقیق حجم هیدروکربن در یک مخزن، اهمیت به سزایی دارد چرا که پایه و اساس طرح های توسعه ای آینده مخزن و میزان سرمایه گذاری ها را توجیه می کند. بنابراین برای مهندسان و کارشناسان صنایع بالا دستی برآورد حجم مخازن نفتی و گازی از دغدغه های همیشگی است که از زمان اکتشاف شروع و تا اتمام ذخیره قابل برداشت ادامه دارد. در این مطالعه سعی شده است تا با ابزار شبکه های عصبی و استفاده از داده های ژئوفیزیکی و پتروفیزیکی، مدل های مشخصه مخزن تهیه و بر اساس آن برآوردی از حجم در جای هیدروکربن در مخزن به دست آید. برای این هدف ابتدا مخزن شبکه بندی شده و به سلول های هم حجم تقسیم شد. سپس بر اساس تغییرات تخلخل و سنگ شناسی در چاه ها اقدام به زون بندی پتروفیزیکی درون چاه ها شد و با کروله کردن زون های درون چاه ها مخزن زون بندی شد. مقادیر تخلخل و اشباع آب و نیز داده های سه بعدی لرزه ای در سلول های مخزن میانگین گیری و برای هر سلول یک مقدار تعیین شد. در نهایت با طراحی یک شبکه عصبی سه لایه ای از نوع پرسپترون با الگوریتم پس انتشار، خطا و آموزش آن با استفاده از سلول های دارای مقادیر واقعی تخلخل و اشباع آب نسبت به تخمین این پارامترها در بقیه سلول ها اقدام شده و در نتیجه حجم در جای هیدروکربن مخزن محاسبه شد و با مقادیر به دست آمده از روش آماری مونت کارلو مقایسه شد.