عنوان

شناسایی گسل‌های موجود در مخزن با استفاده از داده‌های لرزه‌ای به روش تلفیق نشانگرهای لرزه‌ای و شبکه عصبی

کد کشور

IR

شماره

۳۹۴۱پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

شناسایی گسل‌های موجود در مخزن با استفاده از داده‌های لرزه‌ای به روش تلفیق نشانگرهای لرزه‌ای و شبکه عصبی

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Identification of faults in reservoir using seismic data by combining seismic attributes and neural network

نام نخستين پديدآور

/امید دانشوند

نام ناشر، پخش کننده و غيره

: مهندسی نفت و گاز

تاریخ نشرو بخش و غیره

، ۱۳۹۸

نام خاص و کميت اثر

۶۷ص.

ساير جزييات

:

متن يادداشت

زبان: فارسی

متن يادداشت

زبان چکیده: فارسی

متن يادداشت

چاپی - الکترونیکی

متن يادداشت

مصور، جدول، نمودار

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی نفت- اکتشاف نفت

زمان اعطا مدرک

۱۳۹۸/۱۰/۰۱

کسي که مدرک را اعطا کرده

صنعتی سهند

متن يادداشت

گسل‌ها نقش انکار ناپذیری را در مهاجرت و تشکیل مخازن هیدروکربوری ایفا می‌کنند .از این رو شناسایی و تفسیر آنها روی داده‌های لرزه‌ای از اهمیت ویژه‌ای جهت حصول اطمینان در اکتشافات برخوردار است .یکی از روش‌های شناسایی این رخدادهای زمین شناسی در داده‌های لرزه نگاری، استفاده از نشانگرهای لرزه‌ای می‌باشد .تنوع نشانگرها در ساخت و محاسبات آنها، سبب شده هر کدام شاخصه‌های منحصر به فردی از داده لرزه‌ای را نمایش دهند، لذا بهره‌گیری از نتایج نشانگرهای مختلف به صورت یک مجموعه برای تشخیص دقیق‌تر و واضح‌تر، لازم است .به همین منظور، شبکه‌های عصبی با هدف تلفیق نشانگرهای لرزه‌ای، ابزاری کاربردی برای ایجاد خروجی یگانه با استفاده از تمام ویژگی‌های نشانگرهای لرزه‌ای، می‌باشد .فرایندهای مذکور در این مطالعه، در حوضه جنوب خزر و در بخشی از منطقه دشت گرگان از این حوضه، صورت گرفته است‌؛ جایی که پتانسیل حضور سیالات هیدروکربوری در آن وجود دارد با این حال حفاری‌های گذشته نتایج مطلوبی را در بخش ایرانی این منطقه نداشته است .از این رو نیاز به برداشت‌های لرزه‌ای و مطالعات و تفاسیر لرزه‌ای بیشتر و دقیق‌تر در این محدوده احساس می شود .مقایسه نتایج به دست آمده از روش‌های تک نشانگری و روش‌های شبکه عصبی مصنوعی، نشان می‌دهد که شبکه‌های عصبی مصنوعی از کیفیت و دقت بیشتری نسبت به روش‌های تک نشانگری برخوردارند و ترکیب قابلیت‌های هر نشانگر سبب ایجاد نشانگری قدرتمند شده است .روش شبکه عصبی مصنوعی نظارت شده( پرسپترون چند لایه) مطلوب‌ترین نتیجه کسب شده، و روش پیشنهادی این مطالعه می-باشد .

متن يادداشت

Faults play an undeniable role in the migration and formation of hydrocarbon reservoirs. Therefore, identifying and interpreting them on seismic data is of the great importance for exploration reliability. One approach to identify these geological phenomena in seismic data is to use seismic attributes. Each seismic attribute has shown a unique seismic data characteristic due the variety of their formations and calculations. Hence, it is necessary to use different attribute data as a complex to achieve more precise identification. In this regard, neural networks with a combination of various seismic attributes is a practical tool as a single-output system which is using all the characteristics of seismic attributes. The processes in this study have been performed in Gorgan plain, southern part of Caspian Sea. There is the potential for hydrocarbon fluids in this area, however, past excavations have not yielded desired results in the Iranian part of the region. Therefore, seismic perceptions and more precise seismic studies and interpretations are essential in this region. Comparison of the results obtained from single-attribute methods and artificial neural network methods shows that artificial neural networks obtains more accurate results than those of single-attribute, and combination of the various attribute capabilities has developed a powerful attribute. The supervised artificial neural network (multilayer perceptron) is the most desirable and proposed method of this study.

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Identification of faults in reservoir using seismic data by combining seismic attributes and neural network

موضوع مستند نشده

داده‌های لرزه‌ای

موضوع مستند نشده

پرسپترون چند لایه

موضوع مستند نشده

مخازن هیدروکربوری

اصطلاح موضوعی

multilayer perceptron, hydrocarbon reservoirs, seismic data

اصطلاح موضوعی

مخازن هیدروکربوری، پرسپترون چند لایه، داده‌های لرزه‌ای

مستند نام اشخاص تاييد نشده

دانشوند، امید

مستند نام اشخاص تاييد نشده

حمیدزاده مقدم، رسول، استاد راهنما

مستند نام اشخاص تاييد نشده

ساجدی، سعید، استاد مشاور

کشور

ایران

تاريخ عمليات

20230613

شماره بازیابی

نفت ،۲۰۰۷۰ ،۱۳۹۸

نام ميزبان

ی‌بصع‍ ه‌کبش‍ و ی‌اه‌زرل‍ ی‌اهرگناشن‍ ق‌یفلت‍ ش‌ور ه‌ب‍ ی‌اه‌زرل‍ ی‌اهه‌داد زا ه‌دافتسا اب‍ ن‌زخم‍ رد دوجوم‍ ی‌اهل‌سگ‍ ی‌یاسانش‍.pdf

شماره دسترسي

عادی

اطلاعات مختصر

عادی

تاريخ و ساعت مذاکره و دسترسي

3941.pdf

تاريخ و ساعت مذاکره و دسترسي

p20070.pdf

بيت در ثانيه

0

ارتباط براي تسهيلات دسترسي

ایمانی

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

پ۳۹۴۱

يادداشت عمومي

فارسی

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

pe

نوع ماده

TF

کد کاربرگه

92029

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y