بستن

فروشگاه آوابوک فنی و مهندسی مدل سازی الکتروفاسیس و پیش بینی لاگ با استفاده از نرم افزار geolog
- مدل سازی الکتروفاسیس و پیش بینی لاگ با استفاده از نرم افزار geolog
  • تعداد کل امتیازات ثبت شده : 0

مدل سازی الکتروفاسیس و پیش بینی لاگ با استفاده از نرم افزار geolog

آصف مدنی/ مصیب کمری / عارف رستمیان

200,000 تومان 180,000 تومان
دسته بندی:  فنی و مهندسی

ناشر: آوا

  • قابل استفاده برای دانشجویان مهندسی نفت، مهندسی معدن و رشته زمین‌شناسی

خرید

مشخصات کلی

نام ناشر

کتاب آوا

نام مولف

آصف مدنی-مصیب کمری-عارف رستمیان

سال انتشار

1394

نوبت انتشار

1

قطع کتاب وزیری شومیز
تعداد صفحه

260

تیراژ

1000

شابک

9786003460171

این مجموعه شامل سه فصل می باشد: پس از ذکر مقدمه، کلیاتی از مفاهیم مرتبط با الکتروفاسیس و خوشه بندی در فصل اول آورده شده است. مقدمه ای بر ماژول های نرم‌افزار ژئولاگ مرتبط با این بحث، موضوع فصل دوم است و در پایان، پیش بینی لاگ و مدل سازی الکتروفاسیس ها با استفاده از روش های مختلف به زبانی ساده در فصل سوم ارائه شده اند.

از مهم­ترین داده­ ها برای مطالعات مخزن و زمین ­شناسی زیر­زمینی که ضمن حفاری چاه حاصل می­شود، مغزه­ ها و نمودارهای پتروفیزیکی است. نمودارهای چاه ­پیمایی دارای انواع مختلفی هستند و موارد استفادۀ مختلفی دارند که اطلاعات مفیدی از خواص فیزیکی سنگ­های مخزن نظیر سنگ­ شناسی، کانی ­شناسی، بافت و خصوصیات پتروفیزیکی (مانند تخلخل و تراوایی) را در اعماق مختلف زمین می دهند. اطلاعاتی که از لاگ­های چاه ‏پیمایی استخراج می­شود، می­تواند به صورت رخساره­ های الکتریکی (Electrofacies) طبقه ­بندی شود. اصطلاح الکتروفاسیس برای اولین بار توسط «سرا» و «ابوت» (Serra and Abbot,1980)  معرفی شد. در مطالعات نفتی، تفسیر رخساره­های حاصل از نمودارهای چاه ­پیمایی از اهمیت ویژه­ای برخوردار بوده و تجزیه و تحلیل محیط ته­نشست و فرایندهای پس از رسوب­گذاری (به خصوص در مواردی که دسترسی به مغزه میسر نیست)، از روی این داده ­ها امکان­پذیر است (Serra, 1986) که می­تواند منجر به شناسایی و زون­بندی رخساره­ های منشأ، مخزن و پوش­سنگ گشته و در مطالعات مخزن دارای اهمیت است (Gill, 1970). در حقیقت مفهوم رخساره­های الکتریکی، گروه ­بندی داده ­ها با توجه به تشابهات پتروفیزیکی است که غالبا ًدر آن، مجموعه­ای از داده­های نمودار به واحدهای رخساره­ای دسته­ بندی می­شوند و با داده ­های مغزه و یا رخنمون قابل مقایسه‌اند (Ye and Rabiller, 2005).

با توجه به اهمیت موضوع و آشنایی بیشتر پژوهشگران و دانشجویان رشته­های مهندسی مخزن، پتروفیزیک و زمین­شناسی با این تکنیک، در این مطالعه برای اولین بار، به آموزش مدل­سازی الکتروفاسیس­ها با استفاده از نرم­افزارParadigmTM GeologR 6.7.1  پرداخته شده است. داده­ های موردنیاز برای تمرین، در CD ضمیمۀ کتاب ارائه شده­اند. این مجموعه شامل سه فصل می­باشد: پس از ذکر مقدمه، کلیاتی از مفاهیم مرتبط با الکتروفاسیس و خوشه ­بندی در فصل اول آورده شده است. مقدمه­ای بر ماژول­های نرم‌افزار ژئولاگ مرتبط با این بحث، موضوع فصل دوم است و در پایان، پیش­بینی لاگ و مدل­سازی الکتروفاسیس­ها با استفاده از روش­های مختلف به زبانی ساده در فصل سوم ارائه شده ­اند.

 

فهرست مطالب

پیشگفتار مؤلفان 5

مقدمه 11

فصل اول: کلیات 15

بخش اول: مقدمات 15

1-1 رخساره 15

1-2 سنگ‌شناسی 17

1-2-1 سنگ‌شناسی سازند آسماری 18

1-2-2  سنگ‌شناسی سازندهای گروه بنگستان و خامی 20

1-2-2-1 سازند آهکی ایلام 20

1-2-2-2 سازند شیلی سورگاه 21

1-2-2-3 سازند آهکی سَروَک 21

1-2-2-4 سازند شیلی کژدمی 22

1-2-2-5 سازند آهکی داریان 23

1-2-2-6 سازند شیلی- آهکی گَدوان 24

1-2-2-7 سازند آهکی فَهلیان 24

1-2-2-8 سازند شیلی گَرو 25

1-3  چاه‌پیمائی 26

1-3-1 تاریخچۀ پیدایش چاه‌پیمائی 26

1-3-2  لوازم و وسایل چاه‌پیمائی 27

1-3-3 نمودارهای چاهپیمایی 27

1-3-3-1 نمودار قطریاب یا کالیپر 27

1-3-3-2 نمودار پرتو گاما 28

1-3-3-3 نمودار نوترون 28

1-3-3-4 نمودار صوتی 29

1-3-3-5 نمودار چگالی 29

1-3-3-6 نمودار فاکتور فتوالکتریک 30

1-3-3-7 نمودارهای مقاومت ویژه 30

1-3-4 کاربرد چاه‌پیمایی و اهمیت آن در مطالعات مخازن نفت و گاز 31

1-4  مقدمه‌ای بر خوشه‌بندی 33

1-4-1 خوشه‌بندی در مقابل طبقه‌‌بندی 33

1-4-2 یادگیری با نظارت و یادگیری بدون‌ نظارت 34

1-4-3  خوشه‌بندی در مقابل چندی‌سازی برداری 34

1-4-4 مسائل مرتبط با روش‌های خوشه‌بندی موجود 35

1-4-5 تشابه و عدم تشابه بین اجزا 35

1-4-6 شیوه‌های اصلی دستهبندی 36

1-4-7  روش‌های خوشه‌بندی 37

1-4-7-1 خوشه‌بندی انحصاری و خوشه‌بندی اشتراکی 37

1-4-7-2  خوشه‌بندی چند تفکیکی بر پایة گراف (MRGC) 37

1-4-7-3 خوشه‌بندی سلسله مراتبی و خوشه‌بندی مسطح 39

1-4-8 روشهای خوشه‌بندی سلسله مراتبی 40

1-4-9 الگوریتم‌های خوشه‌بندی سلسله مراتبی 43

1-4-9-1 الگوریتم نزدیکترین همسایه 43

1-4-9-2 الگوریتم دورترین همسایه 43

1-4-9-3 الگوریتم اتصال میانگین 43

1-4-9-4 الگوریتم مرکز جرم 44

1-4-10 تحلیل مؤلفه اصلی 44

1-4-11 نرمال‌سازی داده‌ها 45

1-4-12 ماتریس کوواریانس 45

1-4-13 مقادیر ویژه و بردارهای ویژه 46

بخش دوم: آشنایی با الکتروفاسیس 47

1-5 الکتروفاسیس‌ها (رخساره‌های الکتریکی) 47

1-5-1 داده‌های چندمتغیره 55

1-5-1-1 آنالیز اجزا اصلی 56

1-5-1-2 آنالیز چندمتغیرۀ پراش 58

1-5-1-3 آنالیز تفریقی 58

1-5-1-4 آنالیز برازشی چندگانه 60

1-5-1-5 آنالیز خوشه‌ای 61

1-5-2 دسته‌بندی داده‌ها 63

1-5-3 ضریب برازشی کافنتی 66

فصل  دوم: مبانی نرم‌افزار ژئولاگ (Geolog) 67

2-1 مقدمه 67

2-2 واحدهای نرم‌افزار Geolog 67

2-3 ساخت پروژۀ جدید 68

2-4 بارگذاری اطلاعات خام 69

2-4-1 بارگذاری اطلاعات با فرمتLas  و Lis 69

2-5 مشاهدۀ داده‌های بارگذاری شده از قسمتConnect  در Well 72

2-6 تصحیحات اولیۀ داده‌ها 75

2-6-1 حذف سیکل‌های پرشی از لاگ صوتی (Despiking) 75

2-6-2 هموارسازی لاگ‌ها (Smoothing) 77

2-6-3 جابجایی عمقی 78

2-7 پیش‌پردازش داده‌ها (PreCalc) 80

2-8 تصحیحات محیطی 84

2-8-1 تصحیحات محیطی لاگ اشعۀ گاما 84

2-8-2 تصحیحات محیطی لاگ چگالی 85

2-8-3 تصحیحات محیطی لاگ نوترون 86

2-8-4 تصحیحات محیطی لاگ مقاومت MSFL 89

2-8-5 تصحیحات محیطی لاگ مقاومت DLL 90

2-9 نحوة ساخت لاگ VDL 91

2-9-1 محاسبۀ تخلخل با استفاده از ابزار صوتی 92

2-9-2 تبدیل  لاگ به سرعت 95

2-9-3 محاسبۀ تخلخل نوترون- چگالی 99

2-9-4 محاسبۀ .. 102

2-9-5 محاسبۀ Vrock 105

فصل  سوم: مدل‌سازی الکتروفاسیس و پیش‌بینی لاگ 107

3-1 مقدمه 107

3-2 بخش‌های مختلف Facimage 110

3-2-1 Model Logs 110

3-2-2 Logs Associated 113

3-2-3 Training Data 114

3-2-4 Propagation 116

3-3 خوشه‌بندی بر اساس تفکیک چندگانۀ تصویر 116

3-3-1 KNN facies Propagation 124

3-3-2 نحوۀ رسم Section 137

3-3-3 تفسیر Section 141

3-3-4 حالت Supervised روش MRGC 150

3-4 روش شبکه‌های عصبی مصنوعی 171

3-5 روش منطق فازی 183

3-6 روش (DYNCLUST) Dynamic Clustering 195

3-7 روش Ascendant Hierarchical Clustering (AHC) 233

3-8 روش Self Organizing Map (SOM) 238

3-9 روش Similarity Threshold Method (STM) 245

منابع 257

 

نظرات

captcha Refresh
محصولات مشابه