محبوبترین نویسندگان :
نویسندگان مقالات پربازدید :
هفدهمین همایش انجمن زمین شناسی ایران
جزئیات رویداد
همایش ، رویداد ، ژورنال
اینستاگرام تی پی بین
حوزه های تحت پوشش رویداد

  • پیش بینی رخساره های سنگی با استفاده از شبکه عصبی احتمالی در چاه های کربناته

    نویسندگان :
    کلمات کلیدی :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 953
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    منطقه بندی (زون بندی) مخازن کربناته براساس رخساره سنگی، یکی از مهم ترین بخش های مطالعات میدانی است و با توجه به وجود داده های مغزه در چاه می توان این منطقه بندی را با دقت بالایی انجام داد. اما، به دلیل هزینه ی بالا ی مغزه گیری برای تمام قسمت های چاه، داده ی مغزه در دسترس نیست. همچنین، تشخیص رخساره ی سنگی از داده های لاگ در مخازن کربناته بسیار سخت می باشد. زیرا، ساختار پیچیده رخساره رسوبی، دیاژنز و وجود شکستگی در سازند بر روی لاگ تاثیر می گذارد. در این مطالعه، ابتدا رخساره های سنگی از طریق داده های آنالیز شده مغزه در قسمت های موجود چاه به دست می آید. سپس، با استفاده از شبکه عصبی احتمالی (pnn) و آموزش شبکه از طریق داده های مغزه و داده های لاگ متناظر، به پیش بینی رخساره های دیگر چاه ها با استفاده از داده های لاگ می پردازیم. روش pnn به جهت برقراری ارتباط غیرخطی مشخص بین لاگ و رخساره از بین دیگر روش های آماری برای این منظور مناسب تر است. استفاده از این روش و مقایسه رخساره های سنگی به دست آمده در هر چاه با داده های مغزه مربوط به آن چاه، دقت بالای پیش بینی این روش را نشان می دهد. در این مطالعه، رخساره های سنگی با استفاده ار داده های لاگ پیش بینی شدند. در این روش به منظور بهبود آموزش و پیش بینی شبکه، داده های برون نهاد از مجموعه داده های لاگ حذف گردیدند. با اجرای شبکه بر روی قسمت هایی از چاه که در آموزش شرکت نداشتند، دقت پیش بینی در حدود 90٪ به دست آمد. با توجه به نتایج حاصل، می توان نتیجه گیری کرد که مدل ساخته شده توان پیش بینی رخساره های سنگی در سایر چاه های فاقد مغزه را دارد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها