عنوان پایان‌نامه
به کار گیری مدل فازی-عصبی Modified LOLIMOT در تخمین یک نگار از سایر نگارهای چاه
- رشته تحصیلی
- ژئوفیزیک-ژئوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61184;کتابخانه موسسه ژئوفیزیک شماره ثبت: 953
- تاریخ دفاع
- ۳۰ بهمن ۱۳۹۲
- دانشجو
- محسن مقدسی
- استاد راهنما
- مجید نبی بیدهندی
- چکیده
- یکی از راه های مهم شناخت و آگاهی از ویژگی های یک مخزن هیدروکربنی، بررسی و تفسیر نگارهای چاه پیمایی بدست آمده از چاه های اکتشافی و تولیدی است. گاهاً برای بعضی از چاه ها به دلایل مختلف مجموعه کامل نگارها در دسترس نیست. در نتیجه یافتن فرآیندی که بتوان نگارهایی که موجود نیست را به صورت مصنوعی ساخته و تخمین زد حائز اهمیت است. مدل فازی-عصبی Modified LOLIMOT یک روش بهینه سازی غیرخطی است که می تواند در مسائل پیش بینی و تخمین استفاده شود. در این تحقیق از مدل فازی– عصبی Modified LOLIMOT در تخمین یک نگار از روی سایر نگارهای چاه استفاده شد. این کار بر روی داده‌های چاه نگاری یکی از میادین هیدروکربنی فلات مرکزی ایران صورت گرفت. نگارهای صوتی و نوترون به عنوان نمونه تخمین زده شدند و عملکرد این روش با سایر روش های متداول مانند مدل فازی- عصبی با الگوریتم LOLIMOT و شبکه عصبی مقایسه گردید. مشاهده شد که با استفاده از مدل فازی– عصبی Modified LOLIMOT نتایج نسبتاً بهتری حاصل می‌گردد.
- Abstract
- One of the important ways of understanding and knowledge of the hydrocarbon reservoir characteristics, is review and interpretation of well logs obtained from exploration and production wells. Sometimes for some wells due to different reasons complete set of logs is not available. As a result, it’s important to finding a process that can be estimated not available logs. As a result, it’s important to find a process that have an ablility to estimate unavailable logs. Modified LOLIMOT Neuro-Fuzzy model is a nonlinear optimization method which can be used in problems of prediction and estimation. In this research Modified LOLIMOT Neuro-Fuzzy model used to estimate a log from other well logs. This task performed on the well logging data from one of hydrocarbon fields in the Iran central plateau. Sonic and neutron logs are predicted and its performance is compared with other conventional methods such Neuro-Fuzzy model with LOLIMOT algorithm and neural network. It is observed that results of using Modified LOLIMOT Neuro-Fuzzy model is relatively better.
