جلسه دفاع از پایان‏ نامه: محسن سلطانی نژاد

خلاصه خبر: دفاع از پايان نامه

  • عنوان: تخمین میزان کربن آلي کل سنگ های غنی از مواد آلی در سازند های رسی با استفاده از داده های نمودار هاي چاه پيمايي
  • ارائه  کننده: محسن سلطانی نژاد
  • استاد راهنما: دکتر امیر‌حسین سعیدی دهاقانی
  • استاد ناظر خارجی: دکتر علیرضا کاظمی (دانشگاه تربیت مدرس)
  • استاد ناظر داخلی: دکتر آرزو جعفری
  • استاد مشاور: دکتر سعید صادق نژاد
  • مکان: اتاق سمینار 1-
  • تاریخ: 28/06/1395
  • ساعت: 15 الی 17

چکیده
تحلیل پارامتر ژئوشیمیاییِ مقدار کل کربن‌آلی، یکی از مهمترین عوامل در ارزیابی پتانسیل تولید و بررسی خصوصیات ژئوشیمیایی واحد‌های هیدروکربنی می‌باشد.اهمیت داده‌های مقدار کل کربن‌آلی تاحدی است که امروزه اکثر شرکت‌های نفتی تهیه ی آنرا برای اکتشاف نفت و گاز الزامی دانسته و بدون داشتن چنین اطلاعات ژئوشیمیایی اقدام به حفاری نمی کنند. هدف از این پژوهش بررسی ژئوشیمیایی سنگ منشأ احتمالی یکی از میادین جنوبی کشور می باشد. برای رسیدن به این هدف، بسیاری از محققین سعی در برقراری ارتباط بین داده‌های مقدارکل کربن آلی با داده‌های حاصل از نگار‌های پتروفیزیکی که برای بیشتر چاه‌های حفاری قابل دسترس می باشند نموده اند. يكي از روش هاي بسيار موثر در علوم مهندسي و به صورت خاص مهندسي نفت بهره گيري از روش شبكه‌هاي عصبي مي باشد. با توجه به اینکه ارتباط بین پارامتر‌های ژئوشیمیایی و پتروفیزیکی غیر‌خطی و پیچیده است لذا برای این تطابق از شبکه‌های عصبی مصنوعی، به عنوان یک سیستم هوشمند کارامد استفاده شد. خرده های حفاری و نگار های چاه پیمایی صوتی، مقاومت، نوترون، گاما، چگالی از سازند مورد نظر به عنوان داده های لازم به کار گرفته شد. تطابق و فرمولاسیون کمی بین داده های ژئوشیمیایی و نمودار های چاه پیمایی با استفاده از مدل سازی هوشمند شبکه عصبی مصنوعی صورت گرفت. مدل بهینه، شامل یک شبه عصبی سه لایه ای از نوع پس انتشار خطا به منظور پیش بینی مقدار کل کربن آلی می باشد. با به کار گیری این مدل، میزان کل کربن آلی با دقت 0/88 و با مقدار خطای کمینه 1/443 در بازه های فاقد نمونه های آنالیزی فراهم گردید. در نهایت میزان کل  کربن آلی با استفاده از روش  DLogR نیز تخمین زده شد که با وجود کارایی مناسب آن در برخی میادین دیگر، دقت آن در میدان مورد مطالعه در حدود 51% می باشد. مقایسه عملکرد شبکه عصبی مصنوعی ( با دقت 88%) و نتایج روش  DLogR ( با دقت 51%)حاکی از عملکرد دقیق تر و سریع تر روش های هوشمند در مقایسه با روابط تجربی است.
کلمات کلیدی
میزان کل کربن آلی،DLogR، شبکه عصبی، نگار های چاه پیمایی


21 شهریور 1395 / تعداد نمایش : 2893