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 |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2005 |
| تعداد صفحات مقاله انگلیسی | 7 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 14 B Nazanin | 13صفحه |
| 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
1.مدل ANN برای تخمین تراوایی عالی می باشد، زمان آموزش شبکه به همراه همه 6 متغیر ورودی ((∅,GR,RHOB,DT,NPHI & ILD.
2.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.
3.نتایج مدل ANN ضرایب تصحیح دقیقی را به دنبال دارد (0.9969، 0.9897و 0.9820 به ترتیب برای چاه های A,B,C).
4.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 |
|
|