مقاله کنفرانسی سال ۱۴۰۴ فارسی

کاربرد روش لایه معادل در بازسازی داده های گرانی: یک مطالعه عددی با منظم سازی تیخونوف

چکیده مقاله

روش گرانی سنجی یکی از ابزارهای کلیدی در اکتشاف منابع هیدروکربنی است، اما در برداشت های میدانی همواره محدودیت های محیطی و عملیاتی وجود دارد که منجر به حذف یا ناقص بودن داده ها می شود وجود رودخانه ها، توپوگرافی پیچیده و عوامل محیطی سبب می شود برخی ایستگاه ها با فواصل کیلومتری از شبکه برداشت حذف شوند که دقت مدل سازی و تفسیر زیرسطحی را کاهش می دهد هدف این پژوهش ارائه و ارزیابی رویکردی عددی برای بازسازی داده های گرانی ناقص و نویزی بر پایه روش لایه معادل است که با منظم سازی تیخونوف و انتخاب تطبیقی پارامتر بهینه از طریق منحنی L ترکیب شده است برای اعتبارسنجی، مدل مصنوعی شامل چهار منشور با ابعاد، چگالی و عمق های متفاوت طراحی گردید داده های گرانی به صورت تحلیلی محاسبه و سپس با حذف تصادفی از نقاط و افزودن نویز تصادفی با انحراف معیار مشخص، شرایط برداشت میدانی شبیه سازی شده است نتایج نشان داد که بازسازی در هر دو حالت داده های بدون نویز و همراه با نویزبا دقت بالا انجام گرفته؛ میدان بازتولیدشده تطابق قابل توجهی با پاسخ واقعی داشته است و نقشه های باقیمانده فاقد ساختارهای سیستماتیک هستند بررسی پروفیل ها و مقاطع نشان داد که مکان، پهنا و دامنه آنومالی ها به درستی حفظ شده است همچنین، روش پیشنهادی توانست چند آنومالی را به طور هم زمان تفکیک و بازسازی کند در مجموع، یافته ها تاکید می کنند که لایه معادل با منظم سازی رویکردی پایدار و کارآمد برای بازسازی داده های ناقص گرانی در پروژه های نفتی است و می تواند کیفیت تفسیر و کاهش عدم قطعیت های اکتشافی را بهبود ببخشد

کلیدواژه‌ها

گرانی سنجی لایه معادل تیخونوف منحنی L

نویسندگان

شیوه ارجاع

�فری یساقی، فاطمه و متولی عنبران، سید هانی،1404،کاربرد روش لایه معادل در بازسازی داده های گرانی: یک مطالعه عددی با منظم سازی تیخونوف،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