پیش بینی نگار سونیک تراکمی توسط داده های حینحفاری چاه Real time با استفاده از الگوریتم ماشینتقویت کننده گرادیان

سرعت امواج لرزه ای تراکمی و برشی در کنار داده های پتروفیزیکی اطلاعات ارزشمندی را درمراحل مهم اکتشاف و توسعه میدان های نفت و گاز فراهم می کنند. نگار سونیک که جهت محاسبهسرعت امواج لرزه ای در محل چاه به کار می رود، علاوه بر ارائه خواص پتروفیزیکی سنگ مخزننظیر تخلخل، برای طراحی و محاسبات حفاری و شکست سنگ نیز استفاده می شود. با این وجود،نمودار گیری توسط ابزار های سونیک که معمولا با صرف زمان و هزینه زیادی اجرا می گردد، دربرخی شرایط عملیاتی خاص امکان اجرای آن فراهم نمی گردد. از طرفی در بسیاری از چاه هایقدیمی، این نگار برداشت نشده است، و بالطبع اطلاعات مستخرج از این نگار نیز در دسترس نمیباشد. هدف این مقاله ارائه مدلی مبتنی بر یادگیری ماشین برای پیش بینی نگار سونیک تراکمی بااستفاده از داده های حفاری حین حفر چاه و لیتولوژی کنده های حفاری می باشد. در این مطالعه ازداده های دو چاه در مرحله آموزش و تست برای ساخت یک مدل هوشمند با استفاده از الگوریتمماشین تقویت کننده گرادیان Extreme gradient boosting استفاده شده است و همچنین ازداده های چاه سوم به عنوان داده کور برای اعتبار سنجی مدل استفاده شده است. که میزان میانگینقدر مطلق خطاها برای داده های پیش بینی شده برابر ۰۷ / ۴ به دست آمده است که نشان دهندهکارایی مناسب روش پیشنهادی است

کلیدواژه ها:

نگار سونیک ، داده های حین حفاری ، لیتولوژی ، یادگیری ماشین ، ماشین تقویت کننده گرادیان