استفاده از رگرسیون بردار پشتیبان بر پایه کرنل گاوسی برای مدل سازی تخلخل مخزن در یکی از میادین نفتی ایران
محل انتشار: مجله فیزیک زمین و فضا، دوره: 47، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 71
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-47-3_002
تاریخ نمایه سازی: 26 مهر 1402
چکیده مقاله:
تراوایی، تخلخل و رخساره های رسوبی فاکتور های اساسی مشخصه های مخزنی هستند. تخلخل نمایانگر توانایی سنگ در ذخیره سیالات است. رویکرد های زیادی برای رگرسیون های خطی/غیرخطی از جمله شبکه های عصبی در سال های اخیر بسیار موردتوجه بوده اند، شبکه عصبی پرسپترون چندلایه (MLP) یکی از این شبکه ها می باشد که توانایی خود را به اثبات رسانده است ولی هرکدام از این روش ها معایبی دارند. در این تحقیق روش ماشین بردار پشتیبان (SVM) به عنوان روش اصلی برای رگرسیون و تخمین تخلخل مخزن در یکی از مخازن هیدروکربنی به کار گرفته شده است. این روش با روش پرسپترون چندلایه مقایسه شده است و نتایج هرکدام موردبررسی قرار گرفته اند. برای این کار ابتدا هرکدام از ماشین های موردنظر برای تخمین تخلخل در محل چاه به کار گرفته شده اند و نتایج اولیه باهم مقایسه شدند. نتایج اولیه رگرسیون بردار پشتیبان توانایی بالاتری نسبت به پرسپترون چندلایه نشان داد. برای این کار بردار پشتیبان برپایه کرنل های مختلف مورد استفاده قرار گرفت که تابع کرنل گاوسی نتایج بهتری حاصل کرد و نهایتا برای مدل سازی سه بعدی تخلخل به کار گرفته شد. برای تهیه یک نقشه سه بعدی به داده های لرزه ای و نشانگرهای استخراج شده مناسب از روی آن نیاز می باشد. بررسی و مقایسه نتایج نشان داد که هردوی ماشین های پرسپترون چندلایه و بردار پشتیبان از توانایی بالایی برخوردار هستند ولی رگرسیون بردار پشتیبان با توجه به قدرت تخمین بالا نتایج بهتری حاصل کرد.
کلیدواژه ها:
تخلخل ، رگرسیون ، شبکه عصبی پرسپترون چندلایه ، ماشین بردار پشتیبان ، نشانگر های لرزه ای ، نگارهای چاه
نویسندگان
Mehdi Rafei
دانشجوی کارشناسی ارشد، گروه فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران
Majid Bagheri
استادیار، گروه فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران
Majid Nabi-Bidhendi
استاد، گروه فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :