شبیه‌سازی نگار فوتوالکتریک سازندهای نفتی به‌کمک شبکه‌های عصبی مصنوعی

حبیبیان، ب.، نبی‌بیدهندی، م. و کاظم‌زاده، ع.، 1384، پیش‌بینی نفوذپذیری از روی داده‌های چاه‌نگاری با استفاده از شبکه‌های عصبی مصنوعی در یکی از مخازن کربناته جنوب ایران، مجلة فیزیک زمین و فضا، جلد 31، ص 79-86.

دشتی، ص.، 1369، مطالعه زمین‌شناسی مخزن آسماری میدان اهواز، گزارش شماره پ-4221، شرکت ملی نفت ایران، مناطق نفت‌خیز جنوب.

غفرانی، ا. و رضایی، م.، 1381، بررسی فرایند دولومیتی شدن و تأثیر آن بر کیفیت مخزن سازند آسماری در میدان اهواز، ششمین همایش انجمن زمین‌شناسی ایران، ص. 553-555 ، دانشگاه کرمان.

مرادزاده، ع. و قوامی ریابی، ر.، 1380، چاه‌پیمایی برای مهندسین. دانشگاه صنعتی شاهرود، ص 246.

منهاج، م. ب.، 1379، مبانی شبکه‌های عصبی مصنوعی، دانشگاه صنعتی امیر کبیر، ص 715.

Etnyre, L. M., 1992, Estimation of petrophysical parameters using a robust Levenberg-Marquardt procedure: Log Analyst, 33, 373-389.

Hampson, D., Schuelke, J., and Quieren, J., 2000, Use of multi-attribute transforms to predict log properties from seismic data. Geophysics, 66, 220-236.

Huang, Z., Shimeld, J., Williamson, M., and Katsube, J., 1996, Permeability prediction with artificial neural network modeling in the Venture gas field, offshore eastern Canada: Geophysics, 61, 422-436.

Liu, Z., and Liu, J., 1998, Seismic controlled nonlinear extrapolation of well parameters using neural networks: Geophysics, 63, 2035-2041.

Nikravesh, M., and Aminzadeh, F., 2001, Mining and fusion of petroleum data with fuzzy logic and neural network agents: J. Petrol. Sci. Eng. 29, 221-238.

Poulton, M. M., 2001, Computational neural networks for geophysical data processing. Pergamon, 335.

Poulton, M. M., 2002, Neural networks as an intelligence amplification tool: A review of application. Geophysics, 67, 979-993.

The Math Work, T., 2002, Manual of Matlab, The language of technical computing. The Math Work, Inc.

Walls, J., Taner, T., Taylor, G., Smith, M., Derzhi, N., Carr, M., Drummonds, J., McGuire, D., Morris, S., and Bregar, J., 2000, Seismic reservoir characterization of a mid-continent fluvial system using rock physics, post stack seismic attributes and neural networks: A case history. 69th Ann. Int. Mtg., Soc. Expl. Geophys., 1437-1439.

Zhang, Z., Zhou, Z., Frenkle, M., Chunduru, R., and Mezzatesta, A., 1999, Fast forward modeling simulation of resistivity logs using neural networks. 69th Ann. Internat. Mtg., Soc. Expl. Geophys., 124-127.

Zhang, Z., Zhou, Z., Frenkle, M., Chunduru, R., and Mezzatesta, A., 2000, Real time inversion of array resistivity logging data using dimensional reduction and neural network simulation. 70th Ann. Internat. Mtg., Soc. Expl. Geophys., 1802-1805.