دانلود مقالات مهندسی معدن

شناخت و ارزيابي پارامترهاي پتروفيزيکي و سنگشناسي مخازن نفتي و گازي با استفاده از داده هاي چاه نگاري مستلزم در دسترس بودن انواع نمودارهاي پتروفيزيکي ميباشد. در پاره اي موارد به دليل آسيب ديدگي نمودارهاي قديمي و يا عدم وجود نمودارهاي پيشرفته جديد در بعضي از چاهها، امکان ارزيابي دقيق پتروفيزيکي يک چاه مسير نميباشد. از آنجايي که در ارزيابي پتروفيزيکي يک مخزن هنگامي که انواع نمودارهاي لازم براي يک چاه وجود نداشته باشد، نميتوان يک تفسير دقيق و واقعي از سنگشناسي و اشباع سيالات درون چاه ارايه نمود لذا از اينرو تخمين مجدد نمودارهاي قديمي آسيب ديده و يا نمودارهاي جديد، براي چاههاي فاقد نمودارهاي پيشرفته جديد بصورت مصنوعي اجتناب ناپذير ميباشد. اين مساله بخصوص در مطالعات مخزن که نيازمند ارزيابي پتروفيزيکي چاههاي قديمي ميباشند حايز اهميت است در اين تحقيق سعي شده است با استفاده از روش هوشمند شبکه عصبي کار تخمين اين نمودارهاي خام چاه نگاري از روي چاههاي مجاور انجام شود. تخمين نمودارهاي پتروفيزيکي با روش شبکه هاي عصبي طي دو مرحله انجام شده است. مرحله اول عبارت است از پيدا کردن يک رابطه بين نمودار مورد نظر و ساير نمودارهايي که در چاه قديمي نيز وجود دارند، در چاههاي مجاور در صورتي که از لحاظ سنگ شناسي شباهت قابل قبولي با چاه مورد نظر داشته باشند. مرحله دوم شامل کاربرد رابطه به دست آمده از مرحله قبل در چاه هدف جهت تخمين نمودارهاي مجهول از نمودارهاي معلوم ميباشد. در اين تحقيق نمودارهاي دانسيته و جذب فتوالکتريک براي مخزن ماسه سنگي حوضه نفتي اهواز در جنوب ايران به روش شبکه عصبي تخمين زده شده است و بهترين نتايج براي ضريب همبستگي بين نمودار تخمين زده شده و به ترتيب براي دانسيته و جذب فتوالکتريک%90.2  و %88.2 به دست آمده است