دسته بندی رخساره ها توسط ماشین بردار پشتیبان بر اساس داده های چاه نگاری

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 745

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

GSI31_465

تاریخ نمایه سازی: 19 اسفند 1391

Abstract:

مطالعه و تعیین رخسار ههای رسوبی در مطالعات مخازن نفتی دارای اهمیت است. به طور معمول می توان خواص مخزنی و خواص جریانی را با رخساره ها تطابق داد. برای مشخص نمودن رخساره ها نیاز به نمونه های مغزه می باشد. به دلیل پرهزینه بودن و زمان بر بودن به طور معمول تنها از چند چاه محدود در یک میدان مغز هگیری می شود. یک راه حل مورد پذیرش استفاده از روشی است که به کمک آن بتوان بر اساس همین نمونه های محدود و با بکار گیری داده هایی ثانویه هم چون داده های چاه پیمایی، مدلی برای تعمیم به هم هی میدان تهیه شود. ماشین بردار پشتیبان یکی از روش های نسبتا جدید در مبحث یادگیری ماشین است. این روش به دلیل استفاده از اصل کمینه سازی ریسک ساختاری، به جواب هایی سراسری همگرا می شود و هم چنین به دلیل استفاده از کرنل توانایی بالایی برای مدل کردن روابط پیچیده و غیر خطی دارد. در این مطالعه تلاش می شود که پس از انجام چند گام پیش پردازشی بر روی داده های مورد استفاده، از داده های مغزه و نمودارگیری با کمک ماشین بردار پشتیبان، مدلی برای ناحیه مورد مطالعه ساخته شود. برای اعتبارسنجی مدل ساخته شده بر روی داده هایی جدید، که مدل بر اساس آ نها ساخته نشده، تست می شود. نتایج کسب شده نشان می دهد که ماشین بردار پشتیبان برای دسته بندی رخساره ها بر اساس داده های نمودارگیری، توانایی قابل قبولی دارد.

Keywords:

دسته بندی , رخساره , ماشین بردار پشتیبان , کمینه سازی ریسک ساختاری , مغزه

Authors

امین عرب پور

دانشجوی کارشناسی ارشد مهندسی نفت، دانشکده مهندسی معدن دانشگاه تهران

عباس بحرودی

استادیار دانشکده مهندسی معدن دانشگاه تهران

محمد علی ریاحی

دانشیار، موسسه ژئوفیزیک دانشگاه 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 :
  • TANG, H., "Improved Carbonate Reservoir Facies Classification Using Artificial Neural ...
  • ASQUITH, G.B., "Handbook of log evaluation techniques for carbonate reservoirs", ...
  • Karpur, L. _ Lake, L., Sepehronoori, K ., " Probability ...
  • Tang, H., Ji, H., "I ncorporation of spatial characterist ics ...
  • Qi, L., Carr, T., " Neural network prediction of carbonate ...
  • Wolff, M., Pelissier-Com bescure, J. _ Faciolo G., "automatic electrofacies ...
  • Tang, H., White, C., " Multivariate statistical log log-facies classification ...
  • Saggaf, M.M., Nebrija, E.L., "A fuzzy logic approach for the ...
  • Dubois, M., Bohling, G., Chakrabarti, S., " Comparison of four ...
  • Hamel, L., "Knowledge Discovery with Support Vector Machines", Hoboken, N.J. ...
  • Burges, C.J.C.; " A tutorial _ support vector machines for ...
  • نمایش کامل مراجع