مقاله کنفرانسی سال ۱۴۰۴ فارسی

توسعه الگوریتم های بازنمونه برداری ناپارامتری با هدف تحلیل عدم قطعیت مدلسازی وارون توموگرافی پلاریزاسیون القائی

چکیده مقاله

توموگرافی پلاریزاسیون القائی IPT یک روش ژئوفیزیکی غیرتهاجمی برای تصویربرداری زیرسطحی براساس تغییرات پارامتر قطبش پذیری است که در زمینه های مختلفی از جمله اکتشاف منابع زیرسطحی و مطالعات زیست محیطی کاربرد دارد هدف اصلی در وارون سازی داده های IPT ، استنتاج خواص فیزیکی زیرسطحی از داده های نوفه دار است که این فرآیند غالبا با عدم قطعیت های مختلفی همراه است این عدم قطعیت ها به دو دسته عمده شامل نوفه ذاتی داده ها و دانش ناقص از فیزیک مسئله تقسیم می شوند در این پژوهش، بررسی عدم قطعیت مدل های قطبش پذیری منتج شده از وارون سازی داده های IPT با استفاده از روش های بازنمونه برداری بوت استرپ بلوکی متحرک MBB مورد توجه قرار گرفته است این روش، از طریق تولید مجموعه ای از مدل ها با سطح برازش تعریف شده به داده های مشاهده ای، به تحلیل عدم قطعیت در مدل ها کمک می کند بوت استرپ بلوکی متحرک به طور خاص به منظور بهبود دقت نمونه برداری در داده هایی طراحی شده است که احتمال همبستگی و وابستگی بین نمونه داده ها وجود دارد این رهیافت با هدف ارزیابی عدم قطعیت پارامترهای مدل در داده های مصنوعی به کار می رود نتایج این تحقیق می تواند به بهبود تحلیل های ژئوفیزیکی و تصمیم گیری های مرتبط با پیش بینی شرایط زیرسطحی کمک کند

کلیدواژه‌ها

وارون سازی بازنمونه برداری شارژپذیری مدل سازی پیشرو ناپارامتری کمی سازی عدم قطعیت

نویسندگان

تصویر اشکان رحمتی

اشکان رحمتی

کارشناسی ارشد ژئوفیزیک، موسسه ژئوفیزیک، دانشگاه تهران

تصویر رضا قناتی

رضا قناتی

دانشیار، موسسه ژئوفیزیک، دانشگاه تهران

شیوه ارجاع

�حمتی، اشکان و قناتی، رضا و فلاح صفری، مهدی،1404،توسعه الگوریتم های بازنمونه برداری ناپارامتری با هدف تحلیل عدم قطعیت مدلسازی وارون توموگرافی پلاریزاسیون القائی،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