سال انتشار: ۱۳۸۹

محل انتشار: همایش ملی انرژی و محیط زیست کرمان

تعداد صفحات: ۴

نویسنده(ها):

حسین کایدانی – گروه شیمی دانشگاه شهید باهنر کرمان
علی محبی – گروه شیمی دانشگاه شهید باهنر کرمان
علی بقایی – گروه شیمی دانشگاه شهید باهنر کرمان

چکیده:

یکی از ابزارهای توصیف یک مخزن خصوصیات آن است که دراین میان نفوذپذیری از جایگاه ویژه ای برخوردار است با این حال بدست آوردن این پارامتر بخصوص درمناطق پیچیده شکاف دار همیشه با مشکلات فراوانی همراه است خصوصیات متمایز این مخازن همچون ناهمگنی بالا کربناته بودن ضخامت بالا وسعت زیاد وجود شکاف وجود سنگهای متمایز باعث ناکارآمدی شیوه های معمول استفادها ز هوش مصنوعی برای تخمین نفوذپذیری گردیده است دراین مقاله سعی شده است تا با ناحیه بندی کردن مخزن براساس ویژگیهای زمین شناسی و دسته بندی کردن داده ها برهمین اساس به تخمین نفوذ پذیری از روی داده های چاه پیمایی کارایی لازم بخشیده شود. با بهره گیری از ترکیب سیستم شبکه های عصبی مصنوعی و الگوریتم ژنتیک مدل موردنظر ارائه گردید.