معرفی دو روش مبتنی بر داده برای تعیین کیفیت رخساره های گازی در غرب استرالیا
Publish place: Journal of Mineral Resource Engineering، Vol: 7، Issue: 3
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 113
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MHRE-7-3_004
تاریخ نمایه سازی: 17 مهر 1401
Abstract:
در تعیین نقاط بهینه حفاری های تولیدی مهم است که زون های با کیفیت مخزنی مشخص باشند. برای این منظور از داده های ژئوشیمیایی که معمولا تعداد آن ها کم است استفاده می کنند. این گسستگی داده ها باعث ایجاد شکاف اطلاعاتی می شود. چنانچه از داده هایی با پیوستگی بیشتر استفاده شود طوری که دقت مدل سازی مناسب باشد، حفاری ها با شانس بیشتری انجام می شود. در این مطالعه هدف بر این است تا کیفیت رخساره های گازی با استفاده از دو روش ناپارامتری آماری (پارزن) و تکنیک یادگیری عمیق با نظارت (شبکه عصبی بازگشتی حافظه کوتاه مدت بلند LSTM) و به کمک داده های نگار چاه و لرزه ای مدل شوند. همچنین در نظر است شبکه طراحی شده به وسیله دو روش بهینه سازی ابتکاری الگوریتم رقابت استعماری و الگوریتم نهنگ بهینه سازی شود. نتایج حاصل از این مطالعه نشان می دهد که هر دو روش نتایج خوبی در طبقه بندی دارند، طوری که مدل سازی کیفیت رخساره های گازی با استفاده از تکنیک یادگیری عمیق با نظارت با دقت بیشتری (۸۷%) نسبت به روش ناپارامتری پارزن (۸۳%) انجام گرفته است. همچنین با اعمال الگوریتم های بهینه سازی دقت شبکه بیشتر شده است. بهترین دقت مربوط به شبکه LSTM بهینه شده با الگوریتم رقابت استعماری (۹۰%) است. گزارش ها و داده های ژئوشیمیایی مغزه های چاه، اعتبارسنجی بالای این مدل سازی ها را نشان می دهد.
Keywords:
Authors
یوسف عسگری نژاد
دانشجوی دکترا، دانشکده مهندسی معدن، دانشگاه تهران، تهران
علی مرادزاده
استاد، دانشکده مهندسی معدن، دانشگاه تهران، تهران
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 :