دانلود ترجمه مقاله برآورد نفوذپذیری از واکنش چاه پیمایی – مجله (SPE (Onepetro

SPE

 

 

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” برآورد نفوذپذیری از واکنش چاه پیمایی ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

تخمین تراوایی از واکنش های چاه پیمایی

عنوان انگلیسی مقاله:

Permeability Estimation From Well Log Responses

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله ۲۰۰۵
تعداد صفحات مقاله انگلیسی ۷ صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی نفت
گرایش های مرتبط با این مقاله مهندسی حفاری
مجله مربوطه نشریه علمی پژوهشی فناوری های نفتی کانادا – Journal of Canadian Petroleum Technology
دانشگاه تهیه کننده دانشگاه ملک سعود
رفرنس دارد
لینک مقاله در سایت مرجع لینک این مقاله در سایت (SPE (Onepetro
نشریه (SPE (Onepetro 

 

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۱۳صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است
ترجمه متون داخل تصاویر ترجمه نشده است
ترجمه متون داخل جداول ترجمه نشده است
درج تصاویر در فایل ترجمه درج شده است
درج جداول در فایل ترجمه درج شده است
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است

 


  • فهرست مطالب:

 

خلاصه
مقدمه
شبکه های عصبی مصنوعی
تشریح مخزن
مدل شبکه ی عصبی
توضیح داده ها
گسترش پیشینِ معماری شبکه ی عصبی
آموزش شبکه
نتایج مدل تراوایی شبکه عصبی
نتایج

 


  • بخشی از ترجمه:

 

نتایج
۱٫مدل ANN برای تخمین تراوایی عالی می باشد، زمان آموزش شبکه به همراه همه ۶ متغیر ورودی ((∅,GR,RHOB,DT,NPHI & ILD.
۲٫شبکه عصبی مصنوعی قادر به تخمین زدن تراوایی سازند با دقت بالا می باشد، به وسیله استفاده از داده های چاه پیمایی ژئوفیزیک، قابل مقایسه با اندازه گیری های واقعی مغزه.
۳٫نتایج مدل ANN ضرایب تصحیح دقیقی را به دنبال دارد (۰٫۹۹۶۹، ۰٫۹۸۹۷و ۰٫۹۸۲۰ به ترتیب برای چاه های A,B,C).
۴٫مدل توسعه یافته ی ANN ارتفاع را به عنوان پارامتر های ورودی حساب نمی کند، که بدین معنا است که برای هر میدانی کاربرد دارد..این مطالعه نشان می دهد که تخمین عصب از تراوایی مغزه به وسیله ی داده های چاه پیمایی تکنیکی امکان پذیر است.

 


  • بخشی از مقاله انگلیسی:

 

Conclusions 1.

The ANN model for predicting permeability is perfect when training the network with all six input variables (φ, GR, RHOB, DT, NPHI, and ILD). 2. Artificial neural network is capable of estimating formation permeability with high accuracy, by use of a geophysical well-log data, comparable to that of actual core measurements. 3. The ANN model results yielded excellent correlation coefficients (0.9969, 0.9897, and 0.9820 for A, B, and C wells respectively). 4. The developed ANN model does not incorporate depth as part of input parameters which means that it is applicable to any field. 5. This study shows that neuro-estimation of formation permeability by use of well-log data is a highly feasible technique.

 


 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

براورد نفوذپذیری از واکنش چاه پیمایی

عنوان انگلیسی مقاله:

Permeability Estimation From Well Log Responses

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

 

خرید ترجمه فارسی مقاله

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *