طراحی یک سیستم خبرۀ هوشمند جهت تخمين مقاومت فشارشي تك محورۀ (UCS) سنگ مخزن

طراحی یک سیستم خبرۀ هوشمند جهت تخمين مقاومت فشارشي تك محورۀ (UCS) سنگ مخزن

عبدالجواد عساکره1 محمد آبدیده2 مصیب کمری3 علی عرفانی نیا4

1) کارشناسی ارشد مهندسی نفت دانشگاه آزاد اسلامی ماهشهر-
2) استادیار مهندسی نفت دانشگاه آزاد اسلامی ماهشهر
3) مهندس ارشد پتروفیزیک- شرکت ملی مناطق نفتخیز جنوب
4) رئیس برنامه ریزی تلفیقی پروژه های مخازن- شرکت ملی مناطق نفتخیز جنوب ایران

کد IOI مقاله : XYGD-BCKCE
محل انتشار : پنجمین کنفرانس بین المللی علوم و مهندسی(5icesconf.com)
چکیده :
    مطالعات گسترده و یکپارچۀ مخزن، بخش اصلی واجتناب ¬ناپذیر مدیریت مخزن است. یکی از ابعاد مهم این مطالعه،تخمین پارامترهای مکانیک سنگ مخزن (مقاومت فشاری تک محوری˛ مدول الاستیک و ضریب پواسون) می¬باشد. دسترسی به این پارامترها در مباحثی مانند بررسی دیوارۀ و طراحی شکاف و برنامۀ حفاری بسیار مهم هستند. مقاومت فشاری عبارت است از ظرفیت تحمل یک جسم، مصالح ساختمانی یا سازه در مقابل نیروهای فشاری محوری مستقیم. هنگامی که حد مقاومت فشاری یک ماده فرا می‌رسد، آن ماده منهدم خواهد شد. هدف از اين مطالعه تخمين ضريب UCS (مقاومت فشارشي تك محوره) با استفاده از داده¬هاي چگالي سنگ (RHOB)، تخلخل (PHIE) و اشباع آب (SW) است. در این پروژه برای مدل سازی USC از چند سیستم هوشمند شبکه عصبی چند لایه (MLP)، پایه شعاعی (RBF)، کمینه مربعات بردار پشتیبان (LSSVM) و نهایتاً سیستم‌های هوشمند خبره (CMIS)، سیستم¬های انطباقی منطق فازی (ANFIS) و معادلات ژنتیکی (GEP) استفاده شده است. براساس نتايج به دست آمده، تمامي شبكه¬هاي طراحي شده از عملكرد قابل قبولي جهت پاسخ به سوال طراحي شده (تخمين ضريب UCS سنگ) برخوردارند و انتخاب دقيق¬ترين شبكه كاملاً بستگي به كميت و كيفيت جامعة آماري داده¬هاي استفاده شده دارد. اما چنانچه انتظار می¬رفت، در اين مطالعه، سیستم خبرۀ CMIS نسبت به شبکه¬های عصبی سازنده، در پیش-بینی ضریب مقاومت فشارشی سنگ بهتر عمل کرده است.

کلمات کلیدی : مقاومت فشارشي تك محوره (ucs) هوش مصنوعي (ai) شبكه¬هاي عصبي مصنوعي (ann) سیستم خبره سري كامل نمودارهاي پتروفيزيكي (fullset)