مقایسه تخمین پارامترهای شکاف با استفاده از نرم افزارهای چاه آزمایی و شبکههای عصبی مصنوعی
نام عام مواد
[پایاننامه]
نام نخستين پديدآور
/میثم ادیبیفرد
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی شیمی
تاریخ نشرو بخش و غیره
، ۱۳۹۲
مشخصات ظاهری
نام خاص و کميت اثر
۱۷۲ ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
کتابنامه در آخر پایان نامه
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
گرایش مخازن
زمان اعطا مدرک
۱۳۹۲/۰۶/۰۰
کسي که مدرک را اعطا کرده
صنعتی سهند
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
مخازن شکافدار بخش مهمی از ذخایر هیدروکربنی دنیا را در خود ذخیره نمودهاند .بازیافت این ذخایر هیدروکربنی نقش اساسی را در پیشرفت صنعتی دنیای امروز بازی میکند .تخمین میزان ذخیره هیدروکربونی این مخازن و تولید بهینه آنها نیازمند توصیف دقیق مخازن شکافدار می باشد .روش های رایج جهت یافتن خواص پتروفیزیکی سنگ مخزن عبارتند از : مغزه گیری ، نمودارگیری چاه ، استفاده از رخنمون ها ، لرزه نگاری و چاه آزمایی . چاه آزمایی تنها روشی است که با استفاده از دینامیک حرکت سیال درون مخزن اقدام به تخمین پارامترهای مخزن میصنماید .تنها ابزارهای اساسی مورد استفاده در این روش فشار- سنج و دبی- سنج میصباشند .علاوه بر این چاه آزمایی نسبت به مغزه گیری و نمودارگیری چاه محدوده بیشتری از مخزن را شامل میصگردد .استفاده از شبکه های عصبی مصنوعی که برگرفته از شبکه های عصبی بیولوژیک میصباشند، در صنایع مختلف متداول شده است .تاثیرپذیری کم آنها نسبت به داده های حاوی نویز و وجود واحدهای پردازشگر موازی در این شبکه ها، آنها را برای تعیین مدل و تخمین پارامترهای مخزن توسط دادهصهای چاهصآزمایی مناسب میسازد .در این پایان نامه، ابتدا مدل و خواص مخزن شکافدار با استفاده از روشهای متداول آنالیز دادهها توسط نرم افزارهای چاهآزمایی تخمین زده شده است .سپس از شبکه های عصبی به منظور تخمین پارامترهای شکاف و تعیین نوع جریان درون تخلخلی و بلوک ماتریس استفاده گردیده است .از داده های مشتق فشار جهت آموزش شبکه عصبی استفاده گردیده است .جهت تولید دادههای مشتق فشار از الگوریتم لاپلاس معکوس عددی استفاده گردیده است ۵ .الگوریتم لاپلاس معکوس مختلف در محیط Matlab نوشته شده و بر اساس سرعت و دقت الگوریتم ها بهترین الگوریتم جهت استخراج داده های مشتق فشار انتخاب گردیده است .بر همین اساس استفاده از الگوریتم Stehfest مدنظر قرار گرفته است .تولید داده های مشتق فشار برای ۱۲ مدل مختلف و با توجه به نوع مخزن، نوع جریان درون تخلخلی، نوع ماتریس و نوع مرز بیرونی مخزن صورت گرفته است ۳ .نمونه از ۱۲ مدل ذکر شده جهت آموزش شبکه عصبی بهکار رفتهاند .این مدل ها شامل مخازن شکافدار نامحدود می باشند که بر اساس نوع جریان درون تخلخلی و نوع بلوک ماتریس با یکدیگر تفاوت دارند .جهت ارائه ورودی به شبکه عصبی از ۳ روش متفاوت استفاده شده است :نرمالیز سازی دادهها، استفاده از ثوابت چندجملهای معمولی برازش شده بر روی داده ها و استفاده از ثوابت چندجملهای Chebyshev برازش شده بر روی داده ها .مشاهده گردید که روش آخر باعث تولید شبکههای عصبی با خطای MRE کمتری بر روی دادههای تست میگردد .از این رو از چندجملهایهای Chebyshev برازش شده بر روی دادههای مشتق فشار جهت تولید شبکههای عصبی برای هر ۳ مدل ذکر شده استفاده گردید .شبکههای عصبی توسط دادههای مشتق فشار میدانی و شبیهسازی شده مورد اعتبارسنجی قرار گرفتند .مشاهده گردید که شبکههای عصبی نتایج قابل قبولی را برای این دادههای ارائه میکند .علاوه بر این روش جدیدی نیز جهت تفسیر دادههای چاه آزمایی حاصل از تستهای ناتمام چاهصآزمایی در مخازن شکافدار ارائه گردیده است .
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
جریان درون تخلخلی
موضوع مستند نشده
ظرفیت ذخیره چاه
موضوع مستند نشده
ضریب پوسته
موضوع مستند نشده
تراوایی شکاف
موضوع مستند نشده
تخلخل دوگانه
موضوع مستند نشده
نسبت ظرفیت ذخیره شکاف
موضوع مستند نشده
ضریب جریان درون تخلخلی
موضوع مستند نشده
شبکه های عصبی مصنوعی
موضوع مستند نشده
مخازن شکافدار
موضوع مستند نشده
چاه آزمایی
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )