CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

خوشه بندی کیفیت رخساره های گازی با استفاده از روش یادگیری عمیق بدون نظارت

عنوان مقاله: خوشه بندی کیفیت رخساره های گازی با استفاده از روش یادگیری عمیق بدون نظارت
شناسه ملی مقاله: EMGBC03_041
منتشر شده در سومین کنفرانس بین المللی توسعه فناوری مهندسی مواد، معدن و زمین شناسی در سال 1399
مشخصات نویسندگان مقاله:

یوسف عسگری نژاد - دانشجوی دکتری. دانشکده مهندسی معدن، دانشگاه تهران
علی مرادزاده - استاد. دانشکده مهندسی معدن، دانشگاه تهران

خلاصه مقاله:
مهم ترین مسئله در شناخت ذخایر نامتعارف گازي، بررسی کیفیت رخساره هايگازي است . این کیفیت شدیداً تحت تاثیر مقدار کل کربن آلی و درجه بلوغ ماده آلی میباشد. این دو پارامتر از نتایج آنالیزهاي گران قیمت آنالیز مغزه (توسط دستگاه پیرولیز راك ایول) بدست می آید. به همین دلیل است که امروزه سعی شده است با استفاده از داده هاي رایج موجود نظیر نگارهاي پتروفیزیکی چاه اینکار انجام شود . روشهایی نظیر رگرسیون چند متغیره و روشهاي هوشمند از جمله تکنیک هاي بکار رفته در این نوع مطالعات است. در این مطالعه سعی شده است با استفاده از تکنیک یادگیري عمیق بدون نظارت، مدلسازي کیفیت رخساره هاي گازي صورت پذیرد. براي این منظور ازشبکه عصبی بازگشتی که یکی از تکنیکهاي یادگیري عمیق میباشد استفاده شده است. نتایج بدست آمده نشان میدهد که روش پیشنهادي براي شناسایی کیفیت رخساره هاي گازي از دقت کافی برخوردار میباشد طوریکه میانگین دقت این روش در چهار چاه مورد مطالعه حدود %78 است.

کلمات کلیدی:
خوشه بندی، کیفیت رخساره گازی، یادگیری عمیق، نگارهای پتروفیزیکی، شبکه عصبی بازگشتی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1147402/