Institutional Repository
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Ανάπτυξη νευρωνικού δικτύου για την πρόβλεψη αναλυτικής σύστασης υπογείων ταμιευτήρων χρησιμοποιώντας υπόγειες μετρήσεις DFA

Kottaki Nomiki

Simple record


URIhttp://purl.tuc.gr/dl/dias/436576A8-3C0E-477B-8CB3-A5D882F22BE6-
Identifierhttps://doi.org/10.26233/heallink.tuc.23004-
Languageel-
Extent125 σελίδεςel
TitleΑνάπτυξη νευρωνικού δικτύου για την πρόβλεψη αναλυτικής σύστασης υπογείων ταμιευτήρων χρησιμοποιώντας υπόγειες μετρήσεις DFAel
CreatorKottaki Nomikien
CreatorΚωττακη Νομικηel
Contributor [Thesis Supervisor]Varotsis Nikolaosen
Contributor [Thesis Supervisor]Βαροτσης Νικολαοςel
Contributor [Committee Member]Gaganis Vasileiosen
Contributor [Committee Member]Γαγανης Βασιλειοςel
Contributor [Committee Member]Galetakis Michalisen
Contributor [Committee Member]Γαλετακης Μιχαληςel
PublisherTechnical University of Creteen
PublisherΠολυτεχνείο Κρήτηςel
Academic UnitTechnical University of Crete::School of Mineral Resources Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Ορυκτών Πόρωνel
Content SummaryΑντικείμενο της παρούσης διπλωματικής εργασίας είναι η ανάπτυξη ενός μοντέλου, που με την εφαρμογή των τεχνητών νευρωνικών δικτύων θα επιτρέπει την ασφαλή πρόβλεψη της γραμμομοριακής σύστασης πετρελαϊκών ρευστών της μορφής και αξιοποιώντας τις μετρήσεις του οπτικού αναλυτή ρευστών OFA (Optical Fluid Analyzer) που λαμβάνονται στο πεδίο κατά τη διάρκεια της αξιολόγησης μίας ερευνητικής γεώτρησης. Μέχρι σήμερα το OFA, που αποτελεί τμήμα του οργάνου διαγραφιών παραγωγής MDT, παρέχει κατά τη διάρκεια του τεστ μόνο την επί τοις εκατό κατά μάζα περιεκτικότητα του ρευστού σε και Για την ανάπτυξη του μοντέλου χρησιμοποιήθηκαν επιπλέον, πέραν των κατά μάζα περιεκτικοτήτων, μετρήσεις πεδίου που είναι πάντα διαθέσιμες όπως ο δείκτης πτητικότητας GOR, ο δείκτης πυκνότητας πετρελαίου API, και τέλος η σχετική πυκνότητα της αερίου φάσης . Η εκπαίδευση των τεχνητών νευρωνικών δικτύων πραγματοποιήθηκε χρησιμοποιώντας μια βάση δεδομένων 752 δειγμάτων πετρελαϊκών ρευστών. Οι προβλέψεις του μοντέλου για την επί τοις εκατό κατά mole περιεκτικότητα των ρευστών σε , , και κρίνονται ιδιαιτέρως ικανοποιητικές, όπως αποδεικνύουν τα αποτελέσματα επί ενός σετ ελέγχου με δεδομένα γεωτρήσεων τα οποία δεν ελήφθησαν υπόψιν από το μοντέλο κατά τη διαδικασία της εκπαίδευσής του, ενώ απλώς ικανοποιητικές κρίνονται οι προβλέψεις του για την επί τοις εκατό κατά mole περιεκτικότητα των ρευστών στα κλάσματα και . Η επιτυχής ανάπτυξη του μοντέλου μπορεί να αποδειχθεί ιδιαίτερα χρήσιμη στην βιομηχανία πετρελαίου καθώς οι προβλέψεις του διευρύνουν την πληροφορία επί της σύστασης του ρευστού του ταμιευτήρα σε ένα πολύ πρώιμο στάδιο σε σχέση με ότι ισχύει μέχρι σήμερα.Η πληροφορία που παρέχει σήμερα ο οπτικός αναλυτής ρευστών OFA στην βιομηχανία πετρελαίου δεν δύναται να αξιοποιηθεί αμέσως από τα μοντέλα προσομοίωσης PVT των ταμιευτήρων καθώς αυτά απαιτούν να εισαχθεί ο αναλυτικός χαρακτηρισμός κατά mole κι όχι κατά μάζα. Η διαθεσιμότητα των δεδομένων που παρέχει το μοντέλο ενισχύει την εμπιστοσύνη για την ακρίβεια των μελετών που θα εκπονηθούν από τους μηχανικούς πετρελαίων κατά τη διάρκεια του πρώιμου αυτού σταδίου κατά την αξιολόγηση μίας γεώτρησης. el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2014-10-17-
Date of Publication2014-
SubjectArtificial neural networksen
SubjectNets, Neural (Computer science)en
SubjectNetworks, Neural (Computer science)en
SubjectNeural nets (Computer science)en
Subjectneural networks computer scienceen
Subjectartificial neural networksen
Subjectnets neural computer scienceen
Subjectnetworks neural computer scienceen
Subjectneural nets computer scienceen
Bibliographic CitationΝομική Κωττάκη, "Ανάπτυξη νευρωνικού δικτύου για την πρόβλεψη αναλυτικής σύστασης υπογείων ταμιευτήρων χρησιμοποιώντας υπόγειες μετρήσεις DFA.", Διπλωματική Εργασία, Σχολή Μηχανικών Ορυκτών Πόρων, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2014el

Available Files

Services

Statistics