شناسایی و استخراج رخساره های کانالی با استفاده از شبکه عصبی پرسپترون چندلایه با الگوریتم پس انتشار و فیلتر اتصال وکسل ها

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 441

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

GEOSIG01_008

تاریخ نمایه سازی: 2 دی 1398

چکیده مقاله:

رخساره های کانالی از جمله پدیده های چینه شناسی حائز اهمیت از منظر اکتشاف منابع هیدروکربنی هستند که با توجه به عمق تدفین و محتویات سیال، ممکن است قابلیت مخزنی داشته باشند یا به عنوان مخاطره حفاری لحاظ شوند. لذا مکانیابی آنها قبل از تعیین هدف و طراحی مسیر حفاری ضروری است. با توجه به حجم بالای داده های لرزه ای و افزایش روزافزون تعداد نشانگرها، ترکیب نشانگرهای لرزه ای با الگوریتم محاسباتی متفاوت، جزئیات بالاتری از رویدادهای لرزه ای بدست میدهد. در این مطالعه از روشی نیمه خودکار مبنی بر تلفیق نشانگرهای لرزه ای بر اساس شبکه عصبی چندلایه با الگوریتم پس انتشار جهت شناسایی کانالهای مدفون استفاده شده است. نتایج نشان میدهد که با رسیدن خطای میانگین مربعات عادی شده و درصد رده بندی نادرست مجموعه آزمایشی به کمترین مقدار خود، تصویر بهبود یافتهای از کانالهای موجود در داده لرزه ای با تفکیک پذیری نسبتا بالا ارائه میگردد. در پایان فیلتر اتصال وکسل ها، موقعیت فضایی کانال را به طور دقیق مشخص نموده است.

کلیدواژه ها:

رخساره های کانالی داده لرزه ای سه بعدی  نشانگرهای لرزهای  شبکه عصبی مصنوعی  فیلتر اتصال وکسل ها

نویسندگان

معصومه لطفی

دانشجوی دکتری، دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر،

عبدالرحیم جواهریان

استاد بازنشسته، موسسه ژئوفیزیک، دانشگاه تهران، استاد، دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر،