شبکه های عصبی مورد استفاده در تخمین کل کربن آلی با استفاده از آنالیز چندنشانگری

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

 شبکه های عصبی مورد استفاده در تخمین کل کربن آلی با استفاده از آنالیز چندنشانگری دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد شبکه های عصبی مورد استفاده در تخمین کل کربن آلی با استفاده از آنالیز چندنشانگری  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 شبکه های عصبی مورد استفاده در تخمین کل کربن آلی با استفاده از آنالیز چندنشانگری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن شبکه های عصبی مورد استفاده در تخمین کل کربن آلی با استفاده از آنالیز چندنشانگری :

تعداد صفحات :۱۴

چکیده مقاله:

تخمین ویژگی های مخزن با استفاده از داده های لرزه ای اهمیت بسیار زیادی در فعالیت های مربوط به مخازن نفتی دارد. نشانگر ها و بررسی آن ها در مطالعه و ارزیابی میدان ها نقش مهمی را در تخمین ویژگی های مخزنی ایفا می کنند و از آن ها برای دستیابی به هدف های متفاوت 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 نشانگر های 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 مقطع لرزه ای حاصل از آنالیز چندنشانگری انجام می گیرد. برای رسیدن به اهداف مورد نظر در وهله اول به منظور ساخت لرز ه نگاشت مصنوعی از داد ه های لرز ه ای دو بعدی و انواع نگار های مرسوم مانند چگالی، سرعت، تخلخل و … متعلق به یکی از میادین خلیج فارس بهره گرفته شده است. با بکار بستن وارون سازی لرز ه ای به کمک نرم افزار همپسون-راسل ۹، امپدانس صوتی پهن باند از داد ه های لرز ه ای استخراج شد. سپس با استفاده از رگرسیون مرحله ای، نشانگرهای لرز ه ای انتگرال قدرمطلق دامنه ، فرکانس غالب ، فیلتر فرکانسی میا ن گذر با حد کم ۱۰-۵ هرتز و حد زیاد ۲۰- ۱۵ ، پوش دامنه و در نهایت فرکانس لحظه ای به عنوان نشانگرهای بهینه مرتبط با کل کربن آلی انتخاب شدند. نهایتاً، سه نوع مختلف از شبکه عصبی جهت تخمین TOC از روی نشانگرهای لرز ه ای استفاده شد. نتایج حاصل نشان داد که شبکه عصبی پیش خور چندلایه (MLFN) منجر به تخمین بهتری گردیده است