به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

clustering method

در نشریات گروه مهندسی معدن
تکرار جستجوی کلیدواژه clustering method در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه clustering method در مقالات مجلات علمی
  • گلناز جوزانی کهن*، علیرضا سیفان

    تجزیه و تحلیل خوشه ای داده های پتروفیزیکی به عنوان روشی خودکار و سریع برای تعیین گروه های سنگی موجود در مخازن ماسه سنگی به کار می رود و از این رو در مطالعات تعیین کیفیت مخازن به عنوان یک روش کاربردی مورد استفاده قرار می گیرد. انتخاب نگار های مناسب با توجه به نوع محیط مورد مطالعه، اهمیت ویژه ای در فرآیند خوشه بندی، تعیین سنگ شناسی و نتیجه گیری در مورد کیفیت مخزن می یابد. در این پژوهش به منظور شناسایی و تعیین موثرترین نگار ها در روش خوشه بندی دو مرحله ای و میانگین k، با استفاده از آنالیز حساسیت از میان کل نگار های رانده شده در یک مخزن آواری در شمال شرق کشور یعنی نگارهای GR, LLD, LLS, MSFL, DT, URAN, THOR, POTA, CALI, NPHI, RHOB پنج نگار GR, LLD, LLS, NPHI, RHOB را به عنوان موثرترین نگارها در خوشه بندی دو مرحله ای در این سازند معرفی نمود. نگارهای حاصل از کاربرد روش دو مرحله ای، همخوانی قابل قبولی با خروجی های روش میانگین k نشان داد. هر دو روش خوشه بندی، تطابق قابل قبولی با روش های تعیین سنگ شناسی با استفاده از تلفیق نگارهای پتروفیزیکی و کانی شناسی به روش پراش پرتوی ایکس (XRD) نشان دادند. براساس نتایج خوشه بندی، سازند ماسه سنگی مورد مطالعه به ضخامت 222 متر به سه گروه سنگ شناسی شامل ماسه کربناتی-انیدریتی، ماسه شیلی و ماسه تمیز به ترتیب با ضخامت های 4/44، 26/73 و 34/104 متر تشخیص داده شد که در این میان کیفیت مخزنی ماسه تمیز با توجه به میانگین تخلخل در این بخش از سایر زیربخش ها مناسب تر است.

    کلید واژگان: داده های چاه پیمایی، خوشه بندی، سنگ شناسی
    Golnaz Jozanikohan *, Alireza Seyfan

    The clustering analysis is a method for data classification based on the similarity, so that the most similar data are placed in the same cluster. The cluster analysis of petrophysical data is able to determine the quality of sandstone reservoir based on the different existing lithologies. Since the most sandstone reservoirs have different kinds of interbedded shales as well as different detrital and chemical minerals due to their sedimentation environment, they show a variety of lithologies and consequently different reservoir qualities. The determination of the most effective petrophysical logs based on the environment understudy has a significant effect on the clustering quality, lithology determination, and the reservoir quality evaluation. In this research, to determine the most effective logs in the two stage and k-means methods, the GR, LLD, LLS, MSFL, DT, URAN, THOR, POTA, CALI, NPHI, RHOB logs were chosen as the input in IBM SPSS, Statistic version 24. Based on the obtained results, the GR, LLD, LLS, NPHI, and RHOB logs are the most effective logs for two stage clustering method. This result was in agreement with the k-means method findings. Based on the clustering results, the understudy sandstone formation with a thickness of 222 meters were classified to three lithological groups of carbonate-anhydrite, shaly and clean sandstone with the thickness of 44.40, 73.26, 104.34 meters, respectively. The clean sandstone had the best quality with regards to the average porosity and permeability in compare to the other subsections.

    Keywords: Well logging Data, Clustering Method, Lithology
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال