Caractérisation de Réservoir par Réseaux de Neurones Artificiels : Estimation des paramètres pétrophysiques. Application aux réservoirs argilo-gréseux

Caractérisation de Réservoir par Réseaux de Neurones Artificiels : Estimation des paramètres pétrophysiques. Application aux réservoirs argilo-gréseux
39,90€

Vendu et expédié par : Cultura

État : Neuf


INDISPONIBLE EN LIGNE

 

Plus que pour profiter de la promotion
Plus que pour profiter de la livraison dès demain en magasin

stock en magasin

Retrouvez le produit près de chez vous.


*hors livres expédiés à domicile ou en point relais, hors remise et promotion au panier

Réservez en ligne &
retirez sous 2h
Livraison gratuite en
magasin
Retour en magasin
sous 30 jours

Coups de cœur Cultura

Tous les passeurs de culture peuvent partager leurs découvertes !
Tu as aimé ce produit ? Partage dès maintenant ton coup de coeur :

loader
loader
loader
loader
loader
loader
loader
loader

description

descriptif du fournisseur
L'estimation des paramètres pétrophysique de réservoir est une étape très importante dans la caractérisation de réservoir pétrolier permettant d'avoir des informations sur la porosité et la perméabilité du réservoir ainsi que la saturation en HC. Dans certains cas, il est difficile de les déterminer à cause de la complexité géologique du réservoir. C'est le cas des réservoirs argilo-gréseux où la présence des argiles rend cette tâche difficile à cause du changement de faciès lithologique. Pour cela, les techniques des réseaux de neurones artificielles, à apprentissage supervisé, ont été proposées. Une application aux réservoirs argilo-gréseux au niveaux de deux puits du Sahara algérien, a été réalisée où des diagraphies du premier puits ont été exploitées pour l'apprentissage du réseau et le deuxième puits pour la généralisation. Ainsi les paramètres mesurés de diagraphies ont été utilisé comme entrée de la machine neuronale et les paramètres de porosité, perméabilité et saturation ont été prédits à la sortie du réseau. Nous avons tester deux type de réseaux: MLP et RBF. Les résultats obtenus ont monté l' efficacité des ces techniques dans la caractérisation de réservoir.
 
Caractérisation de Réservoir par Réseaux de Neurones Artificiels : Estimation des paramètres pétrophysiques. Application aux réservoirs argilo-gréseux

Caractérisation de Réservoir par Réseaux de Neurones Artificiels : Estimation des paramètres pétrophysiques. Application aux réservoirs argilo-gréseux


On vous recommande avec votre achat
Caractérisation de Réservoir par Réseaux de Neurones Artificiels : Estimation des paramètres pétrophysiques. Application aux réservoirs argilo-gréseux

Caractérisation de Réservoir par Réseaux de Neurones Artificiels : Estimation des paramètres pétrophysiques. Application aux réservoirs argilo-gréseux

39,90
+