شناسایی و استخراج رخساره‌های کانالی با استفاده از شبکه عصبی پرسپترون چند لایه با الگوریتم پس‌انتشار و فیلتر اتصال کوچکترین اجزای ساختاری

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: English
View: 255

This Paper With 24 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JRAG-6-2_012

تاریخ نمایه سازی: 15 آذر 1399

Abstract:

رخساره‌های کانالی از جمله پدیده‌های چینه‌شناسی حائز اهمیت از منظر اکتشاف منابع هیدروکربنی هستند که با توجه به عمق تدفین و محتویات سیال، ممکن است قابلیت مخزنی داشته باشند یا به‌عنوان مخاطره حفاری لحاظ شوند. لذا مکان‌یابی دقیق آنها قبل از تعیین هدف و طراحی مسیر حفاری ضروری است. با توجه به حجم بالای داده‌های لرزه‌ای و افزایش روزافزون تعداد نشانگرها، ترکیب نشانگرهای لرزه‌ای با الگوریتم‌های محاسباتی متفاوت، جزئیات بالاتری از رویدادهای لرزه‌ای بدست می‌دهد. در این مطالعه از روشی نیمه‌خودکار مبنی‌بر تلفیق نشانگرهای لرزه‌ای بر اساس شبکه عصبی پرسپترون چندلایه با الگوریتم پس‌انتشار، جهت شناسایی مرزهای کانال‌های مدفون واقع در برش‌های زمانی از داده‌های لرزه‌ای سه بعدی مصنوعی و واقعی حاوی کانال استفاده شده است. نتایج نشان داد که با رسیدن خطای میانگین مربعات عادی شده و درصد رده‌بندی نادرست مجموعه آزمایشی و مجموعه آموزشی به کم‌ترین مقدار خود، تصویر بهبود یافته‌ای از کانال‌های موجود در داده‌های لرزه‌ای با تفکیک‌پذیری نسبتا بالا ارائه گردیده است. سپس نتایج حاصل از شناسایی مرز کانال‌ها با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم پس‌انتشار با نتایج حاصل از روش‌های تحلیل مولفه‌های اصلی و k-میانگین و نیز ترکیب این دو روش به‌صورت کمی و کیفی مقایسه شد. بررسی‌ها نشان داد که طرحواره پیشنهادی ضمن تاثیرپذیری کمتر نسبت به نوفه پس‌زمینه، جزئیات دقیق‌تری از مرزهای کانال‌های موجود در داده-های لرزه‌ای ثبت نموده است. استخراج خودکار موقعیت فضایی کانال موجود در داده لرزه‌ای سه بعدی واقعی با استفاده از فیلتر اتصال کوچک‌ترین اجزای ساختاری، تصویر دقیقی از محدوده کانال مورد مطالعه ارائه داده است.

Keywords:

رخساره‌های کانالی , نشانگرهای لرزه‌ای , شبکه عصبی مصنوعی , آموزش نظارتی و غیرنظارتی , فیلتر اتصال کوچک‌ترین اجزای ساختاری

Authors

معصومه لطفی

دانشجوی دکتری، دانشکده مهندسی نفت، دانشگاه

عبدالرحیم جواهریان

استاد، دانشکده مهندسی نفت، دانشگاه صنعتی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • سلطانی، پ.، آقاجانی، ح. و سلیمانی منفرد، م.، ۱۳۹۷، افزایش ...
  • لطفی، م. و جواهریان، ع.، 1398، شناسایی و استخراج رخساره­های ...
  • مردان، ا.ح.، جواهریان، ع. و میرزاخانیان، م.، 1394، مقایسه روش­های ...
  • ﻣﻨﻬاﺝ، م.ب.، ۱۳۸۱، ﻣﺒﺎﻧﻰ ﺷـﺒﻜﻪ­ﻫﺎﻯ ﻣﺼﻨﻮﻋﻰ، ﺟﻠﺪ ﺍﻭﻝ، ﺍﻧﺘﺸﺎﺭﺍﺕ ﺩﺍﻧﺸﮕﺎﻩ ...
  • Aqrawi, A.A. and Boe, T.H., 2011, Improved fault segmentation using ...
  • Bahorich M.S. and Farmer S.L. 1995, 3-D seismic discontinuity for ...
  • Beale, M.H., Hagan, M.T., and Demuth, H.B., 2010, Neural network ...
  • Berge, T.B., Aminzadeh, F., de Groot, P. and Oldenziel, T., ...
  • Boustani, B., Javaherian, A., Nabi-Bidhendi, M., Torabi, S. and Amindavar, ...
  • Boustani, B., Javaherian, A., Nabi-Bidhendi, M., Torabi, S. and Amindavar, ...
  • Brouwer, F. and Huck, A., 2011, An integrated workflow to ...
  • Brown, A.R., 2001, Understanding seismic attributes, Geophysics, 66(1), 47-48. ...
  • Cengizler, C. and Un, M.K., 2017, Evaluation of Calinski-Harabasz criterion ...
  • Chehrazi, A., Rahimpour-Bonab, H., and Rezaee, M.R., 2013, Seismic data ...
  • Chopra, S. and Marfurt, K.J., 2005, Seismic attributes—A historical perspective, Geophysics, 70(5), ...
  • Chopra, S. and Marfurt, K.J., 2007, Volumetric curvature attributes adding ...
  • De Jager, J., 2007, Geological development, Geology of the Netherlands, 5-26. ...
  • Di, H. and Gao, D., 2014, Gray-level transformation and Canny ...
  • Eichkitz, C. G., Schreilechner, M. G., de Groot, P. and ...
  • Gonzalez, R.C., Woods, R.E. and Eddins, S.L., 2004, Digital Image Processing ...
  • Hashemi Gazar, A., Javaherian, A. and Sabeti, H., 2011, Analysis ...
  • Ishak, M.A., Islam, M., Shalaby, M.R. and Hasan, N., 2018. ...
  • Karbalaali, H., Javaherian, A., Dahlke, S. and Torabi, S., 2017, ...
  • Kriegel, H.P., Schubert, E. and Zimek, A., 2017, The (black) ...
  • Li, Z.D., Zhang, S.X., Xu, J.Z., Liu, Y.K. and Li, ...
  • Mahdavi Basir, H., Javaherian, A. and Tavakoli Yaraki, M., 2013, ...
  • McQueen, J., 1967, Some methods for classification and analysis of ...
  • Mohebian, R., Riahi, M.A. and Yousefi, O., 2018, Detection of ...
  • Noori, M., Hassani, H., Javaherian, A., Amindavar, H. and Torabi, ...
  • Ombu, R.E., and Ulori, O.O., 2017, A case study on ...
  • Pearson, K., 1901. LIII. On lines and planes of closest ...
  • Pegrum, R.M., and Spencer, A.M., 1990, Hydrocarbon plays in the ...
  • Qi, J., Lin, T., Zhao, T., Li, F. and Marfurt, ...
  • Rijks E.J.H. and Jauffred J.C.E.M. 1991, Attribute extraction: an important ...
  • Roberts, A. 2001, Curvature attributes and their application to 3D ...
  • Sadeghi, M., Roshandel, K.A., Siahkoohi, H.R. and Nikoo, A., 2016. ...
  • Sales, J.K., 1992, Uplift and subsidence do northwestern Europe: possible ...
  • Song, C., Liu, Z., Cai, H., Wang, Y., Li, X. ...
  • Song, J., Mu, X., Li, Z., Wang, C. and Sun, ...
  • Tingdahl, K.M. and De Rooij, M., 2005, Semi‐automatic detection of ...
  • Wu, X. and Fomel, S., 2018, Automatic fault interpretation with ...
  • Zhao, T., Jayaram, V., Roy, A. and Marfurt, K.J., 2015, ...
  • نمایش کامل مراجع