| LEADER |
05224nam a22003497a 4500 |
| 001 |
1503037 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 523960
|a Al Sawafi, Abir Abdullah Bakhit
|e Author
|
| 245 |
|
|
|a Artificial Neural Network in Heterogeneity Mapping and Lithofacies Classification of Amin Formation Using Seismic, and Log Data
|
| 260 |
|
|
|a مسقط
|c 2018
|
| 300 |
|
|
|a 1 - 64
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c جامعة السلطان قابوس
|f كلية العلوم
|g عمان
|o 0416
|
| 520 |
|
|
|a تعرف الخزانات الهيدروكربونية الغير تقليدية بتعقيداتها، والتي تتطلب نهجا وحلولا أكثر تقدما من المستخدمة في الخزانات التقليدية. ومع التقدم في أساليب المسح الزلزالي، تم حل عدد كبير من المشاكل المعقدة. ولقد ساعد هذا الجيوفيزيائيين بشكل كبير وملحوظ في فهم خصائص الخزانات. وكمثال على ذلك من عمان، تشكيل أمين والذي يعد أحد أهم حقول الغاز الرئيسية في شمال السلطنة. يقع خزان أمين على عمق يتراوح بين 4800 و5000 متر. في الواقع، فشلت الطرق التقليدية في توفير رسما معقولا لتكوين أمين، خاصة مع عدد قليل من الآبار. تحتوي الآبار على عدد من الخصائص التي تم تسجيلها داخل البئر، في حين تغطي المسوح الزلزالية مساحات كبيرة من الخزان ولكن بدرجة دقة أقل من التي سجلت في الآبار. والهدف من هذه الرسالة هو تطوير فهم نوعية الخزان في تشكيل أمين، وذلك باستخدام الشبكة العصبية الاصطناعية (آن). سيتم استخدام هذه الشبكة للتنبؤ بالسجلات المفقودة وحجم تشبع المياه لمكمن الإنتاج. ثم ستستخدم لتخطيط التشكيل المستهدف وتصنيف الطبقات المكونة له. والتي بدورها ستسمح بإنشاء خرائط ومكعبات من خصائص الخزان. كثير من أساليب التكامل عملية روتينية في تفسير البيانات وهذا يشمل الشبكة العصبية الاصطناعية (أن)، حيث يساعد التكامل لبلوغ القيمة القصوى من البيانات الزلزالية، وإنشاء مكعبات البيانات مثل المسامية والتشبع. وباستخدام الشبكة (أن)، تم التنبؤ بالمسامية، والنفاذية، وتشبع المياه، وخرائط أشعة غاما على طول أفق أمين. وتشير الخرائط إلى مسامية ونفاذية منخفضة على حد سواء في تشكيل أمين. علم الأحجار والمعلومات الجيولوجية دعمت الخرائط المتنبأ بها. وعلاوة على ذلك، لوحظت زيادة في المسامية حول المناطق المكسورة وذات الأخاديد. بالإضافة إلى ذلك. تظهر خريطة أشعة جاما نطاق من الإشعاع الطبيعي بين (65-0 غابي) وهو مؤشر جيد للرمل. وباستخدام التنظيم الذاتي للشبكة العصبية الاصطناعية (أن)، تم تقسيم أفق أمين إلى قطاعات بمساعدة من بيانات الآبار (البئر 6 والبئر 2) بحيث تم تحديد الرمال المشبعة بالمياه والرمال المشبعة بالهيدروكربون بناء على معلومات من بيانات البئر 1،5 و4. وكان هناك بئر واحدة (البئر-3) على الهامش. وكتوصية لهذا العمل، فإن استخدام المزيد من الآبار في الشبكة العصبية الاصطناعية سيوفر في الواقع خرائط مفصلة للغاية وعلى مستوى أعلى بكثير.
|
| 653 |
|
|
|a الشبكة العصبية الاصطناعية
|a رسم الخرائط
|a تصنيف الحصوات الحجرية
|a الخزانات الهيدروكربونية
|a بيانات المسح الزلزالي
|
| 700 |
|
|
|a Farfour, Mohammed
|e Advisor
|9 509742
|
| 700 |
|
|
|a Sundararajan, Narasimman
|e Advisor
|9 508945
|
| 856 |
|
|
|u 9809-008-007-0416-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9809-008-007-0416-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9809-008-007-0416-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9809-008-007-0416-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9809-008-007-0416-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9809-008-007-0416-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9809-008-007-0416-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9809-008-007-0416-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9809-008-007-0416-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9809-008-007-0416-O.pdf
|y الخاتمة
|
| 856 |
|
|
|u 9809-008-007-0416-R.pdf
|y المصادر والمراجع
|
| 856 |
|
|
|u 9809-008-007-0416-S.pdf
|y الملاحق
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 972134
|d 972134
|
