مقاله کنفرانسی سال ۱۴۰۴ فارسی

استفاده از نشانگر مقاومت کشسان تعمیم یافته و یادگیری ماشین در تعیین هوشمند رخساره لرزه ای

چکیده مقاله

هر یک از رخساره های لرزه ای با توجه به تغییر خصوصیات لرزه ای که ناشی از تغییر پارامترهای فیزیکی در سنگ می باشد، قابل تفکیک است هر نوع تغییر خصوصیات پتروفیزیکی از جمله میزان تخلخل، درصد اشباع آب و همچنین تغییر درصد نوع کانی ها می تواند بر رفتار فیزیکی سنگ به عنوان محیط انتشار امواج لرزه ای تاثیر داشته باشد هر یک از انواع نشانگرهای لرزه ای می تواند بیانگر مشخصه های فیزیکی و لرزه ای خاصی از لایه های زمین باشد ترکیب نشانگرهای مناسب، به عبارتی استفاده از چندین نشانگر متفاوت بطور همزمان میزان تفکیک و تمایز رخساره لرزه ای را بالا می برد این دستاورد به کمک روشهای مختلف یادگیری ماشین و تشخیص الگو تامین می گردد نشانگرهای مقاومت کشسان تعمیم یافته بدلیل دارا بودن اطلاعات موج برشی در پیشبرد این هدف سودمند هستند در این مطالعه انتخاب بهینه این نشانگرها با ارزیابی طیف تغییرات این نشانگر نسبت به رخساره های مختلف به کمک نمودارهای پتروفیزیکی در چاه انجام شده است خوشه بندی فازی نشانگرهای انتخاب شده و کدهای رخساره ای تولید شده در چاه در ساخت مدل آموزشی ماشین بردار پشتیبان به منظور تحلیل رخساره لرزه ای استفاده گردید بنابراین در این روش تحلیل رخساره های لرزه ای منطبق با رخساره های چاهی انجام می شود و از آنجا که آموزش مدل هوشمند به کمک نمودارهای چاه انجام می گردد، استفاده از تنها یک چاه هم می تواند نمونه های مورد نیاز جهت تحلیل هوشمند رخساره لرزه ای را فراهم نماید در این مطالعه، کاربرد روش پیشنهادی بر روی مخزن کربناته ارزیابی شده است، و نتایج حاصله نشان دهنده توانمندی این روش جدید در انتخاب بهینه نشانگر و تحلیل رخساره لرزه ای در مخازن هیدروکربوری است استفاده از اطلاعات تنها یک چاه، از دیگر مزایای این روش می باشد که در مرحله اکتشاف یک میدان هیدروکربوری با تعداد چاه های محدود از اهمیت بالایی برخوردار است

کلیدواژه‌ها

نشانگرهای لرزه ای یادگیری ماشین ماشین بردار پشتیبان تعیین خصوصیات مخزن تفکیک رخساره لرزه ای مقاومت کشسان تعمیم یافته

نویسندگان

تصویر حسین هاشمی

حسین هاشمی

عضو هیات علمی، موسسه ژئوفیزیک دانشگاه تهران

شیوه ارجاع

میرزاخانیان، مرضیه و هاشمی، حسین،1404،استفاده از نشانگر مقاومت کشسان تعمیم یافته و یادگیری ماشین در تعیین هوشمند رخساره لرزه ای،هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت،تهران

ارائه‌شده در

پوستر مجموعه مقالات هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت مجموعه مقالات هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت23 مهر 1404 · تهران
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۵۰۸ مشاهده

AI-based Fault Detection in Synthetic Seismic Data for Hydrocarbon Exploration

Automatic fault detection in seismic data is pivotal for advancing hydrocarbon exploration and geologica…

hydrocarbon explorationartificial intelligenceRandom Forest
مقاله کنفرانسی سال ۱۴۰۴ ۳۱۹ مشاهده

مروری بر کاربرد هوش مصنوعی در پردازش داده های لرزه ای و چاه نگاری

صنعت نفت برای تحلیل داده های پیچیده زمین شناسی و ژئوفیزیکی نیازمند رویکردهای نوین و هوشمند است در این پژ…

هوش مصنوعییادگیری ماشینیادگیری عمیق
مقاله کنفرانسی سال ۱۴۰۴ ۳۱۳ مشاهده

تشخیص هندسه گسل با استفاده از نشانگرهای لرزه ای و روش های هوشمند

شناسایی دقیق هندسه گسل ها یکی از مراحل کلیدی در تفسیر داده های لرزه ای و ارزیابی ساختارهای زیرسطحی در اک…

جنگل تصادفی (RF)نشانگرهای لرزه ایSVM
مقاله کنفرانسی سال ۱۴۰۴ ۲۸۵ مشاهده

بررسی خطر سونامی های محتمل ناشی از زمین لغزش زیردریایی در مکران غربی با استفاده از داده های لرزه ای بازتابی

این مقاله با تکیه بر داده های لرزه ای بازتابی، به بررسی خطر سونامی های ناشی از زمین لغزش های زیردریایی د…

سونامیزمین لغزش زیردریاییمدلسازی عددی
مقاله کنفرانسی سال ۱۴۰۴ ۲۷۰ مشاهده

یکپارچه سازی توصیف و مدیریت مخزن در توسعه راهبردهای ازدیاد برداشت نفت

توصیف و مدیریت مخزن از ارکان اساسی در بهینه سازی برداشت هیدروکربن، به ویژه در چارچوب راهبردهای ازدیاد بر…

توصیف مخزنتحلیل پتروفیزیکیازیاد برداشت نفت
مقاله کنفرانسی سال ۱۴۰۴ ۲۵۷ مشاهده

Physics-guided machine learning for acoustic impedance inversion: a comparative study of MLFN and RBFN in data-constrained in an oilfield using rock physics-based pseudo-wells

Accurate prediction of subsurface acoustic impedance is a cornerstone of seismic reservoir characterizat…

acoustic impedancerock physics modelingmachine learning