پیشگویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری
محتوای کل کربن آلی مهم‌ترین فاکتور ژئوشیمیایی جهت ارزیابی سنگ منشأ محسوب می‌شود. با در نظر گرفتن کمبود داده‌های محتوای کل کربن آلی در مناطق اکتشافی و پرهزینه و وقت‌گیر بودن آنالیز راک- ایول، توسعه یک روش نوین برای تخمین مستقیم این پارامتر از لاگ‌های چاه‌پیمایی و داده‌های لرزه‌ای هدف این مطالعه قرار...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Research Institute of Petroleum Industry
2016-04-01
|
| Series: | Pizhūhish-i Naft |
| Subjects: | |
| Online Access: | https://pr.ripi.ir/article_622_936b12ce63980e11bddbc2675bc81d37.pdf |
| id |
doaj-10f0e30533514f68b03fb8b2d1565e26 |
|---|---|
| record_format |
Article |
| spelling |
doaj-10f0e30533514f68b03fb8b2d1565e262020-11-25T02:53:17ZfasResearch Institute of Petroleum IndustryPizhūhish-i Naft2345-29002383-45282016-04-01261-9515516810.22078/pr.2016.622622پیشگویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوریهدی عبدی زاده0علی کدخدائی1علی احمدی2محمد حسین حیدری فرد3گروه زمین‌شناسی، دانشکده علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایرانگروه زمین‌شناسی، دانشکده علوم طبیعی، دانشگاه تبریز، ایرانگروه زمین‌شناسی، دانشکده علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایرانگروه زمین‌شناسی، شرکت ملی مناطق نفت‌خیز جنوب، اهواز، ایرانمحتوای کل کربن آلی مهم‌ترین فاکتور ژئوشیمیایی جهت ارزیابی سنگ منشأ محسوب می‌شود. با در نظر گرفتن کمبود داده‌های محتوای کل کربن آلی در مناطق اکتشافی و پرهزینه و وقت‌گیر بودن آنالیز راک- ایول، توسعه یک روش نوین برای تخمین مستقیم این پارامتر از لاگ‌های چاه‌پیمایی و داده‌های لرزه‌ای هدف این مطالعه قرار گرفت. در این مطالعه، داده‌های لرزه‌ای 2 بعدی و داده‌های پتروفیزیکی سازند پابده از 4 چاه میدان نفتی منصوری مورد استفاده قرار گرفت. همچنین روش ΔLog R جهت پیشگویی محتوای کل کربن آلی از داده‌های پتروفیزیکی استفاده شد. مقادیر کل کربن آلی محاسبه شده به‌عنوان ورودی آنالیز چند نشان‌گری برای یافتن ارتباط منطقی با نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. در این مطالعه وارون‌سازی لرزه‌ای براساس الگوریتم شبکه عصبی به دلیل دقت بالا اجرا شد و امپدانس صوتی به‌دست آمده به‌عنوان نشان‌گر بیرونی استفاده شد. سپس شبکه عصبی احتمالاتی با استفاده از نشان‌گرهای پیشگویی شده حاصل از رگرسیون چندگانه آموزش داده شد. متعاقباً کل کربن آلی با ضریب تطابق 75% توسط نشان‌گرهای لرزه‌ای تخمین زده شد. در مرحله بعدی پژوهش، روش بهینه‌سازی کلنی مورچگان غیرخطی به‌عنوان یک ابزار هوشمند جهت تخمین و تولید یک مقطع لرزه‌ای کل کربن آلی از نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. کلنی مورچگان غیرخطی ضرایب وزنی را برای نشان‌گرهای لرزه‌ای محاسبه نمود. در انتها با استفاده از این ضرایب و داشتن نشان‌گرهای لرزه‌ای، یک مقطع لرزه‌ای کل کربن آلی تولید شد.<br />https://pr.ripi.ir/article_622_936b12ce63980e11bddbc2675bc81d37.pdfکل کربن آلینگارهای چاه‌پیماییوارون‌سازی لرزه‌ایشبکه عصبی احتمالاتیبهینه‌سازی کلنی مورچگان |
| collection |
DOAJ |
| language |
fas |
| format |
Article |
| sources |
DOAJ |
| author |
هدی عبدی زاده علی کدخدائی علی احمدی محمد حسین حیدری فرد |
| spellingShingle |
هدی عبدی زاده علی کدخدائی علی احمدی محمد حسین حیدری فرد پیشگویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری Pizhūhish-i Naft کل کربن آلی نگارهای چاه‌پیمایی وارون‌سازی لرزه‌ای شبکه عصبی احتمالاتی بهینه‌سازی کلنی مورچگان |
| author_facet |
هدی عبدی زاده علی کدخدائی علی احمدی محمد حسین حیدری فرد |
| author_sort |
هدی عبدی زاده |
| title |
پیشگویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری |
| title_short |
پیشگویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری |
| title_full |
پیشگویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری |
| title_fullStr |
پیشگویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری |
| title_full_unstemmed |
پیشگویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری |
| title_sort |
پیشگویی داده‌های ژئوشیمیایی از نگارهای چاه‌پیمایی و نشان‌گرهای لرزه‌ای با استفاده از روش بهینه‌سازی کلنی مورچگان در میدان نفتی منصوری |
| publisher |
Research Institute of Petroleum Industry |
| series |
Pizhūhish-i Naft |
| issn |
2345-2900 2383-4528 |
| publishDate |
2016-04-01 |
| description |
محتوای کل کربن آلی مهم‌ترین فاکتور ژئوشیمیایی جهت ارزیابی سنگ منشأ محسوب می‌شود. با در نظر گرفتن کمبود داده‌های محتوای کل کربن آلی در مناطق اکتشافی و پرهزینه و وقت‌گیر بودن آنالیز راک- ایول، توسعه یک روش نوین برای تخمین مستقیم این پارامتر از لاگ‌های چاه‌پیمایی و داده‌های لرزه‌ای هدف این مطالعه قرار گرفت. در این مطالعه، داده‌های لرزه‌ای 2 بعدی و داده‌های پتروفیزیکی سازند پابده از 4 چاه میدان نفتی منصوری مورد استفاده قرار گرفت. همچنین روش ΔLog R جهت پیشگویی محتوای کل کربن آلی از داده‌های پتروفیزیکی استفاده شد. مقادیر کل کربن آلی محاسبه شده به‌عنوان ورودی آنالیز چند نشان‌گری برای یافتن ارتباط منطقی با نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. در این مطالعه وارون‌سازی لرزه‌ای براساس الگوریتم شبکه عصبی به دلیل دقت بالا اجرا شد و امپدانس صوتی به‌دست آمده به‌عنوان نشان‌گر بیرونی استفاده شد. سپس شبکه عصبی احتمالاتی با استفاده از نشان‌گرهای پیشگویی شده حاصل از رگرسیون چندگانه آموزش داده شد. متعاقباً کل کربن آلی با ضریب تطابق 75% توسط نشان‌گرهای لرزه‌ای تخمین زده شد. در مرحله بعدی پژوهش، روش بهینه‌سازی کلنی مورچگان غیرخطی به‌عنوان یک ابزار هوشمند جهت تخمین و تولید یک مقطع لرزه‌ای کل کربن آلی از نشان‌گرهای لرزه‌ای مورد استفاده قرار گرفت. کلنی مورچگان غیرخطی ضرایب وزنی را برای نشان‌گرهای لرزه‌ای محاسبه نمود. در انتها با استفاده از این ضرایب و داشتن نشان‌گرهای لرزه‌ای، یک مقطع لرزه‌ای کل کربن آلی تولید شد.<br /> |
| topic |
کل کربن آلی نگارهای چاه‌پیمایی وارون‌سازی لرزه‌ای شبکه عصبی احتمالاتی بهینه‌سازی کلنی مورچگان |
| url |
https://pr.ripi.ir/article_622_936b12ce63980e11bddbc2675bc81d37.pdf |
| work_keys_str_mv |
AT hdyʿbdyzạdh pysẖgwyydạdhhạyzẖỷwsẖymyạyyạzngạrhạycẖạhpymạyywnsẖạngrhạylrzhạybạạstfạdhạzrwsẖbhynhsạzyḵlnymwrcẖgạndrmydạnnftymnṣwry AT ʿlyḵdkẖdạỷy pysẖgwyydạdhhạyzẖỷwsẖymyạyyạzngạrhạycẖạhpymạyywnsẖạngrhạylrzhạybạạstfạdhạzrwsẖbhynhsạzyḵlnymwrcẖgạndrmydạnnftymnṣwry AT ʿlyạḥmdy pysẖgwyydạdhhạyzẖỷwsẖymyạyyạzngạrhạycẖạhpymạyywnsẖạngrhạylrzhạybạạstfạdhạzrwsẖbhynhsạzyḵlnymwrcẖgạndrmydạnnftymnṣwry AT mḥmdḥsynḥydryfrd pysẖgwyydạdhhạyzẖỷwsẖymyạyyạzngạrhạycẖạhpymạyywnsẖạngrhạylrzhạybạạstfạdhạzrwsẖbhynhsạzyḵlnymwrcẖgạndrmydạnnftymnṣwry |
| _version_ |
1724725555039830016 |