تخمین رخساره های زمین شناسی از داده های چاه پیمایی با استفاده از روش های یادگیری ماشین

پیش بینی رخساره های زمین شناسی با دقت بالا نقش مهمی در ارزیابی مخازن هیدروکربنی و تصمیم گیریهای بهره برداری ایفا میکند. در این مطالعه با استفاده از دادههای نمودار چاه شامل چگالی سرعت صوتی ،گاما ،تخلخل ،تراوایی، نسبت خالص به ناخالص و عمق پنج الگوریتم یادگیری ماشین شامل ماشین بردار پشتیبان (SVM) ، جنگل تصادفی رگرسیون لجستیک، KNN و XGBoost جهت طبقه بندی رخساره ها به کار گرفته شدند. دادهها از یک میدان نفتی استخراج و پس از پیش پردازش، تحلیل آماری و ارزیابی همبستگی به مدلها داده شدند عملکرد الگوریتمها با استفاده از مواردی چون ،دقت بازیابی، ضریب کاپا و سایر شاخص ها بررسی میشوند نتایج نشان دادند که مدل SVM غیر خطی با دقت ۸۵ ب بهترین عملکرد را ارائه میدهد و الگوریتمهای جنگل تصادفی و XGBoost نیز نتایج قابل قبولی داشتند این پژوهش بر اهمیت انتخاب ویژگیهای مناسب، مدیریت دادههای پرت و پیش پردازش دقیق در بهبود نتایج مدلهای هوش مصنوعی در زمین شناسی تاکید دارد.

کلیدواژه ها:

یادگیری ماشین ، رخساره ، میدان نفتی ، تحلیل آماری