{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TN174",
        "title": "ارائه روشی برای تخمین اشباع هیدروکربور مخازن کربناته به کمک نشانگرهای لرزه ای و داده های چاه",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1390",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TN174",
        "title": "ارائه روشی برای تخمین اشباع هیدروکربور مخازن کربناته به کمک نشانگرهای لرزه ای و داده های چاه",
        "degree": null,
        "faculty": "مهندسی معدن، نفت و ژئوفیزیک",
        "year": 1390,
        "authors": [
            {
                "name": "اندیشه علی¬مرادی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علی مرادزاده",
                "role": "استاد راهنما"
            },
            {
                "name": "محمدرضا بختیاری",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "اشباع شدگی",
            "تئوری فیزیک سنگ گسمن",
            "الگوریتم ژنتیکی",
            "نشانگر لرزه ای",
            "شبکه عصبی مصنوعی",
            "ماشین برداری پشتیبان"
        ],
        "abstract": "یکی از اهداف اصلی در توصیف مخازن نفت و گاز تعیین مقدار هیدروکربن موجود در سازند مخزن می باشد. پارامتری که می تواند مقدار این کمیت را مشخص کند، اشباع شدگی است. به منظور تعیین مقدار اشباع شدگی از هیدروکربن، روش های مختلفی شامل مطالعة مغزه ها و نگارهای چاه وجود دارند که همگی در عین دارا بودن دقت مناسب، بسیار پر هزینه و وقتگیر می باشند. به منظور رفع این مشکل، محققین به استفاده از داده های لرزه ای روی آورده اند. هدف از این رساله، بهبود روش های تخمین پارامتر اشباع شدگی از هیدروکربور در مخازن تیپ کربناته به کمک داده های لرزه نگاری سه بعدی می باشد. به این منظور از تئوری فیزیک سنگ گسمن استفاده شد و نتیجه گرفته شد که تئوری مذکور در سنگ های کربناته به علت در نظر نگرفتن تأثیر ابعاد حفرات (تأثیر کیفی حفرات) دارای دقت مناسبی نمی باشد. از این رو با استفاده از روش بهینه سازی الگوریتم ژنتیکی، معادلة سرعت گسمن بهبود یافت.\r\nسپس با استفاده از معادلة بهبود یافتة گسمن و انجام مدل سازی مستقیم با نرم افزار Seismic Unix، میدان انتخاب شده به صورت مصنوعی مورد مدل سازی قرار گرفته و با در نظر گرفتن مقادیر مختلف تخلخل و بعد حفرات 81 مدل متفاوت ساخته شد. سپس با استفاده از یک الگوی برداشت لرزه نگاری مشخص، خروجی لرزه ای هر مدل ایجاد گردید. داده های لرزه ای حاصل پس از انتقال به نرم افزار لرزه ای OpendTect مورد آنالیز نشانگرها قرار گرفتند و مشخص شد که از بین 43 نشانگر آنالیز شده، دو نشانگر فاز و فرکانس پوش وزنی دارای بیشترین ارتباط با تغییرات تخلخل و دو نشانگر دامنة لحظه ای و عدم تقارن دارای بیشترین ارتباط با تغییرات ابعاد حفرات می-باشند.\r\nدر مرحلة بعد، از نشانگرهای حاصل به منظور مدل سازی معکوس دو پارامتر تخلخل و ابعاد حفرات استفاده شد. به این منظور دو روش هوشمند شبکه های عصبی مصنوعی و ماشین برداری پشتیبان مورد آزمایش قرار گرفتند. نتایج بیانگر عملکرد خوب هر دو روش و در عین حال عملکرد بهتر ماشین برداری پشتیبان در تخمین دو پارامتر مذکور می باشند. همچنین کاربرد مدل های حاصل بر روی داده های واقعی میدان مورد مطالعه، نشان از عملکرد خوب روش ماشین برداری پشتیبان در تخمین مقادیر تخلخل و ابعاد حفرات دارد؛ به گونه ای که میزان جذر میانگین مربعات خطا برای داده های آزمون در تخمین تخلخل و بعد حفرات به ترتیب 04/0 و 09/0 حاصل گردید. \r\nدر نهایت از سه پارامتر تخلخل، بعد حفرات و سرعت موج به منظور پیش بینی مقادیر اشباع شدگی از آب سازند استفاده شد. کاربرد این مدل ها بر روی داده های واقعی میدان مورد مطالعه نیز بیانگر عملکرد مناسب هر دو مدل علی الخصوص مدل حاصل از روش ماشین برداری پشتیبان می-باشد. این روش توانست با میزان همبستگی 8/0 و خطای 06/0 مقادیر پارامتر اشباع شدگی را برای داده های آزمون تخمین بزند.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TN174.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}